本文主要是介绍高中课本里的「机器学习」，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本文来自作者 止斋少主 在 GitChat 上分享「机器学习入门第一课：从高中课本谈起」，「阅读原文」查看交流实录
「文末高能」
编辑 | 嘉仔
高中课本那些事
点连成线
上小学的时候，我们学过平面内，任意两点之间可以连成一条直线，且只能连成一条直线。
上初中的时候，我们学过y=kx+b已知两点
求过这两点A、B直线方程。
这道题很简单，二元一次方程组秒杀。
尽可能多的点在一条直线上
上高中的时候，我们牛逼闪闪的高中老师，给我们出了一道牛逼闪闪的题，平面内一堆点，找出一条直线，使得尽可能的多的点在这条直线上。两点之间确定一条直线，这若干点，怎能搞，实在不会，老师教了我们一招绝技。
如何让尽可能多的点连在一条线上
这若干点，怎能搞，实在不会，老师教了我们一招绝技。
如果平面内有点
可用如下表达式来刻画这些点与直线 y=kx+b 的接近程度：
使得上式达到最小值的直线 y=kx+b 就是老师让我们求解的直线，老师说这种方法叫最小二乘法。
最后可以求解出
高中老师没说过的那些事
点在面上
上初中的时候，我们学会了三点可以确定一个平面。
尽可能多的点在同一面上
上高中的时候，我们牛逼闪闪的高中老师，给我们出了一道牛逼闪闪的题，平面内一堆点，找出一条直线，使得尽可能的多的点在这条直线上。
两点之间确定一条直线，这若干点，怎能搞，实在不会，老师教了我们一招绝技。
如何让尽可能多的点连在一条线上
如果空间内有点
，可用如下表达式来刻画这些点与平面z=ax+by+c(c为常数)的接近程度:
使得上式达到最小值的平面z=ax+by+c,就是这道题的答案
数学到算法模型转化的步骤与工具
猜
用数学这把锋利的刀来求解未知问题，做到大胆猜想，往往就可以解决问题，从数学到算法模型转化过程中，猜的作用很大。
独立同分布
-
独立
独立，顾名思义就是事件和事件之间相互不产生影响和作用，比如火星是行星和我是算法工程师之间就是独立的事件，没有相互影响或者彼此之间的作用。
假设事件A1、A2......An的概率分别为P1、P2......Pn,这些独立事件同时发生的概率为：
-
同分布
同分布指的是事件之间，事件的分布是等同的，一致的。
独立同分布意味着事件独立且分布一致。
数据分布
在算法模型转化过程中，数据分布很重要，在某一派别中认为应该是假设数据分布(也就是猜出数据分布)，然后进行算法模型转化。
每一种数据分布，都有一种对应的概率。
推
先假设数据的分布，然后根据数据分布对应的概率来推导出需要求解的公式。
似然函数
似然函数，这个东西名字上来看上去绕来绕去，简而言之，就是求解参数。例如高中求解的k、b，大学解得a、b、c。
工具
极大似然估计
极大似然估计，就是求似然函数的极大值点。
实操 线性回归模型
猜
平面内的点，一般满足正态分布，我们来猜这些点满足正态分布，而且是独立同分布的。
正态分布的数据满足，概率：
推
假设事件A1、A2......An的概率分别为P1、P2......Pn这些独立事件同时发生的概率为：
这些点在尽可能在同一平面上的概率：
看，这就是高中到大学的最小二乘法。
机器学习中的那些事 —— 以线性回归举例
任何问题都是有目的的
任何问题都是有目的的，线性回归 y=kx+b 就是目的，我们管这样的函数叫目标函数。
逼近正确就是让失败的情况最差
让失败的情况最差，当失败的情况无限接近最差的时候，就是逼近最正确的时候。最小二乘法就是让失败的情况逼近最差，也就是逼近正确。我们管最小二乘法这样
函数叫损失函数，损失函数最小我们叫经验结构最小。
[help me with MathJax]
近期热文
《【钓鱼】与【反钓鱼】的技术剖析》
《快速了解 Java 9 平台模块系统》
《机器人的「语料」，如何获取？》
《一页纸，梳理你的商业模式 ，奇妙的「精益画布」》
《沉迷前端，无法自拔的人，如何规划职业生涯？》
GitChat 与 CSDN 联合推出
《GitChat 达人课：AI 工程师职业指南》
「阅读原文」看交流实录，你想知道的都在这里
这篇关于高中课本里的「机器学习」的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
