菜鸟根据周志华老师pdf所写，盗了点图望谅解
错了请联系我更正
线性模型
线性模型试图学得一个通过属性的线性组合来进行预测的函数
向量形式 y =w（t）* x + b
参数w反映了反映了对应属性的“偏好”
线性回归
利用均方误差得到预测与真实之间的差值，最后求最小值使误差最小，
对w，b求导，令偏导为0，则得到最优解（参照大学偏导数的问题）
多元线性回归：
对数线性回归（逻辑回归）：主要用于分类问题
通过对y=0.5点判断进行分类，解决了阶跃函数不连续的问题。
大致意思就是如上图 我们得到了一个这样的函数
我们把我们的数据分为正例和反例 往下我们就可以得到 几率，是一个分类学习算法，ng的讲逻辑回归的视频中能懂
但不好表述，所以自己去看哈
线性模型做分类
线性判别分析思想很简单，将平面上的点投影到一条直线上，通过在直线上的投影进行分类。
通过均值向量和协方差矩阵等度量。
欲使同类样例的投影点尽可能接近，让同类样例投影点协方差尽可能小；
欲使异类样例投影点尽可能远，让中心之间距离尽可能大；
多分类学习
将一个多任务把他分为多个二分类任务