主要内容：
回归
1.线性回归
2.Logistic回归
最优问题：
1.梯度下降
2.牛顿法
3.拟牛顿法
了解参数学习算法和非参数学习算法的区别
高斯分布（正态分布）
1.
2.线性回归
考虑2个变量
多变量的情形
3.最小二乘的目标函数
m为样本个数，则一个比较“符合常理”的误差函数为：
符合常理
n最小二乘建立的目标函数，即是在噪声为均值为0的高斯分布下，极大似然估计的目标函数
转化为极大似然函数：
后边的是最小二乘
结论：
实际中不会求逆来解决问题，而是通过梯度下降来解决。
4. 梯度下降算法
梯度方向：
随机的速度比批处理得快
最小二乘是求目标函数
梯度下降是求目标函数中的参数
啊
