目录线性回归最小二乘法广义逆矩阵正则项梯度下降算法批量梯度下降法随机梯度下降法小批量梯度下降法分类问题的目标变量是标称型数据，或者离散型数据。而回归的目标变量为连续型，也即是回归对连续型变量做出预测，最直接的办法是依据输入写出一个目标值的计算公式，这样对于给定的输入，利用该公式可以计算出相应的预测输出。这个公式称为回归方程，而求回归方程显然就是求该方程的回归系数，而一旦有了这些回归系数，再给定输.

目录目标分类基本框架数据准备模型设计迁移学习如何设计神经网络例：面部行为识别总结目标分类基本框架数据准备1、数据来源数据来源主要有现有数据集的子集、网络采集以及现有数据人工标注。2、数据扩充通过对原始数据进行处理得到更多的数据，主要方法有原始数据切割、噪声颜色等像素变化、旋转平移等姿态变化。局部切割：噪声颜色、旋转平移：3、数据规范数据规范包括均值处理、归一化以及大小调整等。模型设计1、任务类型分

目录线性回归最小二乘法广义逆矩阵正则项梯度下降算法批量梯度下降法随机梯度下降法小批量梯度下降法分类问题的目标变量是标称型数据，或者离散型数据。而回归的目标变量为连续型，也即是回归对连续型变量做出预测，最直接的办法是依据输入写出一个目标值的计算公式，这样对于给定的输入，利用该公式可以计算出相应的预测输出。这个公式称为回归方程，而求回归方程显然就是求该方程的回归系数，而一旦有了这些回归系数，再给定输.

HMM定义1、马尔可夫链马尔可夫链是满足马尔可夫性质的随机过程。马尔可夫性质是无记忆性，也就是说，这一时刻的状态，受且只受前一时刻的影响，而不受更往前时刻的状态的影响。我们下面说的隐藏状态序列就马尔可夫链。2、隐马尔可夫模型隐马尔科夫模型(HMM, Hidden Markov Model)可用标注问题，在语音识别、NLP、生物信息、模式识别等领域被实践证明是有效的算法。HMM是关于时序的概率模型，