4 岭回归4.1 简介普通线性回归模型使用基于梯度下降的最小二乘法，在最小化损失函数的前提下，寻找最优模型参数，在此过程中，包括少数异常样本在内的全部训练数据都会对最终模型参数造成程度相等的影响，异常值对模型所带来影响无法在训练过程中被识别出来岭回归:在模型迭代过程所依据的代价函数中增加了正则惩罚项（L2范数正则化），以限制模型参数对异常样本的匹配程度，进而提高模型面对多数正常样本的拟合精度，解决

文章目录计算机视觉入门到实战教程1 机器学习流程2 什么是深度学习？3 特征如何提取？4 图像分类5 K近邻6 神经网络基础6.1 线性函数6.2 损失函数6.3 前向传播与反向传播7 卷积神经网络7.1 与传统神经网络区别7.2 卷积7.3 卷积特征值计算方法7.4 特征图(feature map)7.5 堆叠的卷积层7.6 卷积层参数7.7 特征图尺寸计算7.8 卷积参数共享7.9 池化层7.

8 K-Means聚类（聚类篇）8.1 简介聚类(Clustering)：是一种无监督学习算法，即将无分类的数据分为K类K-Means(K-均值)聚类：选取K个初始聚类中心(质心)步骤：repeat：对每个样本点，计算得到距其最近的质心，将其类别标为该质心所对应的cluster重新计算K个cluster对应的质心until：质心不再发生变化8.2 距离计算公式（1）Minkowski（闵可夫斯基距

2 数据预处理数据预处理的过程：输入数据——>模型——>输出数据数据样本矩阵【一行一样本，一列一特征】年龄学历经验性别月薪25硕士2女1000020本科3男8000……………数据预处理相关库：# 解决机器学习问题的科学计算工具包---数据预处理库import sklearn.preprocessing as sp【机器学习基础】Python数据预处理：彻底理解标准化和归一化2.1 均值

8 K-Means聚类（聚类篇）8.1 简介聚类(Clustering)：是一种无监督学习算法，即将无分类的数据分为K类K-Means(K-均值)聚类：选取K个初始聚类中心(质心)步骤：repeat：对每个样本点，计算得到距其最近的质心，将其类别标为该质心所对应的cluster重新计算K个cluster对应的质心until：质心不再发生变化8.2 距离计算公式（1）Minkowski（闵可夫斯基距

1 梯度下降方向若使用整个样本集进行求解，损失梯度会指向全局最优方向2. 若使用分批次样本进行求解，损失梯度会指向当前批次最优方向如ImageNet大型图像数据集，在实际应用中往往不可能一次性将所有数据载入内存（算力也不够），所以只能分批次（batch）训练2 优化器目的：为了使网络更快的收敛优化器(Optimizer)（SGD、Momentum、AdaGrad、RMSProp、Adam）优化器(

4 岭回归4.1 简介普通线性回归模型使用基于梯度下降的最小二乘法，在最小化损失函数的前提下，寻找最优模型参数，在此过程中，包括少数异常样本在内的全部训练数据都会对最终模型参数造成程度相等的影响，异常值对模型所带来影响无法在训练过程中被识别出来岭回归:在模型迭代过程所依据的代价函数中增加了正则惩罚项（L2范数正则化），以限制模型参数对异常样本的匹配程度，进而提高模型面对多数正常样本的拟合精度，解决

1 机器学习概述1.1 什么是机器学习机器学习是一门能够让编程计算机从数据中学习的计算机科学一个计算机程序在完成任务T之后，获得经验E，其表现效果为P，如果任务T的性能表现，也就是用以衡量的P，随着E的增加而增加，那么这样计算机程序就被称为机器学习系统自我完善、自我增进、自我适应1.2 为什么需要机器学习自动化的升级和维护解决那些算法过于复杂甚至根本就没有已知算法的问题在机器学习的过程中协助人类获

第1章 线性规划【优化模型建立】文章目录第1章 线性规划【优化模型建立】1.1 线性规划问题1.2 线性规划的Matlab标准形式【min】1.3 线性规划的Matlab非标准形式【max】1.4 线性规划的Matlab非标准形式【带绝对值】1.5 Matlab软件求解-`linprog函数`线性规划(Linear Programming,LP)线性规划模型三要素：决策变量目标函数约束条件【不等式