这一讲开始，每一讲都是一个重要的模型。由于我也是初学者，更新可能会慢了。现在的比较比较凌乱，等这些课程全部学完之后，会统一再整理一下。
主要内容：
线性回归——高斯分布、极大似然估计MLE、最小二乘法的本质
Logistic回归——分类问题的首选算法（简单）
工具：梯度下降算法、极大似然估计
回归与分类的简单区别：y连续变化的话就是回归问题，y是离散的，就是分类问题。【粗】
————————————————————————————————————————————————————————————————————
线性回归
y=ax+b
房屋售价问题，考虑两个变量的话【房间大小，房间个数】：
考虑多个变量的话：
实际值与预测值的误差
，则有
很多随机现象可以看成众多因素的独立影响的综合反应，往往近似服从正态分布。
则
【上面已知】，将换成
则有，
似然函数为：
取对数：
得目标函数为：
梯度下降算法：
**************************************************分割线****************************************************
Logistic回归
Logistic回归参数估计：
对数似然函数：
