万事万物都可以被抽象成某些特征的组合，并在由预置规则定义的框架之下以静态和动态的方式加以观察
来自：01 数学基础 | 九层之台，起于累土：线性代数
6 人划过
最大似然估计法只需要使用训练数据，最大后验概率法除了数据外还需要额外的信息，就是贝叶斯公式中的先验概率
来自：02 数学基础 | 月有阴晴圆缺，此事古难全：概率论
6 人划过
当实例的属性数目较多时，线性回归得到的就是 n+1 维空间上的一个超平面，对应一个维度等于 n 的线性子空间。
来自：08 机器学习 | 简约而不简单：线性回归
3 人划过
两者的区别还在于收敛速度的不同。逻辑回归中参数估计的收敛速度要慢于朴素贝叶斯方法。当训练数据集的容量较大时，逻辑回归的性能优于朴素贝叶斯方法；但在训练数据稀缺时，两者的表现就会发生反转。
来自：10 机器学习 | 衍化至繁：逻辑回归
3 人划过
而从方法论的角度看，机器学习是计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的学科。
来自：07 机器学习 | 数山有路，学海无涯：机器学习概论
3 人划过
*精彩内容为该课程各文章中划线次数最多的内容
讲师
王天一
工学博士，副教授
编辑推荐
讲师的其他课程
包含这门课的学习路径
Python工程师
19门课程 117.5w人学习
看过的人还看了
