《图解机器学习》章节试读

《图解机器学习》的笔记-第35页

这个地方我自己第一篇文章的解法一样 但是自己当时理解没到位
实际上我在不知不觉中，用了l2约束的最小二乘法求解，因此这里的最终结果与我的文章中结果一致，只是求解步骤不同，我觉得书中提到的通过奇异值求解的方法可以考虑一下。

《图解机器学习》的笔记-第24页 - 最小二乘学习法

实际上和数值计算的最小二乘法没啥区别，就是拟合嘛

《图解机器学习》的笔记-第13页

乘法模型的这个公式写的不清楚。

《图解机器学习》的笔记-第24页 - 最小二乘法

MATLAB代码有谁试过，为什么不能执行？

《图解机器学习》的笔记-第10页 - 先验概率和后验概率

这篇博客很有意思
http://blog.sina.com.cn/s/blog_4ce95d300100fwz3.html
“先验概率的计算比较简单，没有使用贝叶斯公式；而后验概率的计算，要使用贝叶斯公式，而且在利用样本资料计算逻辑概率时，还要使用理论概率分布，需要更多的数理统计知识。”
先验概率就是做一件事情之间，考虑各种结果可能出现的概率。就是我们高中学的概率计算。
先验概率就是通常说的概率，后验概率是一种条件概率，但条件概率不一定是后验概率，要看条件事件发生在所求事件的前面还是后面。贝叶斯公式是由先验概率求后验概率的公式。
举一个简单的例子：一口袋里有3只红球、2只白球，采用不放回方式摸取，求：
⑴ 第一次摸到红球（记作A）的概率；
⑵ 第二次摸到红球（记作B）的概率；
⑶ 已知第二次摸到了红球，求第一次摸到的是红球的概率。
解：⑴ P(A)=3/5，这就是先验概率；
⑵ P(B)=P(A)P(B|A)+P(A逆)P(B|A逆)=3/5，第一次摸到红球的条件下第二次摸到红球，第一次没有摸到红球的条件下第二次摸到红球，两个条件概率之和。
⑶ P(A|B)=P(A)P(B|A)/P(B)=1/2，P(A|B)就是后验概率，因为B发生在A的后面。（在定义事件的时候要记得把事件发生的时间放进去）
Q: 贝叶斯公式是怎么推出来的？

《图解机器学习》的笔记-扫了一眼 - 扫了一眼

就一些图，不好懂，确实很坑人，后悔不已