12.14周报

目录

摘要

1.什么是机器学习？

2.有监督学习和无监督学习的区别

3.什么是过拟合、欠拟合？怎么解决？

4.分类问题和回归问题的区别

[5.怎么做异常检测？其目标函数是什么？与有监督学习的 区别是什么？](#5.怎么做异常检测？其目标函数是什么？与有监督学习的 区别是什么？)

[6. K-means 的基本步骤，如何生成结果？计算方法，目标函数](#6. K-means 的基本步骤，如何生成结果？计算方法，目标函数)

[7. 单变量和多变量的线性回归模型是什么？损失函数是什 么？梯度下降法怎么计算？](#7. 单变量和多变量的线性回归模型是什么？损失函数是什 么？梯度下降法怎么计算？)

[8. 正则方程和梯度下降优缺点是什么？学习率的设置不同 有什么影响？](#8. 正则方程和梯度下降优缺点是什么？学习率的设置不同 有什么影响？)

[9. 协同过滤的目标函数是什么？具体算法是什么样？冷启 动问题怎么解决？新用户刚加入如何推荐？](#9. 协同过滤的目标函数是什么？具体算法是什么样？冷启 动问题怎么解决？新用户刚加入如何推荐？)

---

摘要

本周对统计学习的内容进行复习

1.什么是机器学习？

2.有监督学习和无监督学习的区别

3.什么是过拟合、欠拟合？怎么解决？

****4.****分类问题和回归问题的区别

5.怎么做异常检测？其目标函数是什么？与有监督学习的 区别是什么？

6. K-means 的基本步骤，如何生 成结果？计算方法，目标 函数

7. 单变量和多变量的线性回归模型是什么？损失 函数是什 么？梯度下降法怎么计算？

8. 正则方程和梯度下降优缺点是什么？学习率的设置不同 有什么影响？

9. 协同过滤的目标函数是什么？具体 算法是 什么样？冷启 动问题怎么解决？新用户刚加入如何推荐 ？