线性模型 @ 在机器学习中，线性模型是一类较为基础且重要的模型，主要分为以下几类： 线性回归模型 @ 一元线性回归 @ 用于建立一个自变量 $x$ 与一个因变量 $y$ 之间的线性关系，其模型形式为 $y = \beta_0+\beta_1x+\epsilon$，其中 $\beta_0$ 是截距，$\beta_1$ …

一般建模步骤 @ 数据收集与预处理：收集相关的自变量和因变量数据，并进行清洗、缺失值处理、数据标准化等预处理操作。 模型假设：假设因变量与自变量之间存在线性关系，即$y = \beta_{0}+\beta_{1}x_{1}+\beta_{2}x_{2}+\cdots+\beta_{n}x_{n}+\epsilon$， …

统计学习和符号学习 @ 统计学习和符号学习是机器学习领域中的两种重要学习范式 统计学习 @ 定义：统计学习基于统计学理论，利用数据来构建模型并进行预测和决策。它通过分析大量的数据，发现数据中的统计规律，以实现对未知数据的预测和分类等任务。 方法：常见的统计学习方法包括线性回归、逻辑回归、支持向量机、决策树、随机森林、 …