哈囉大家好！！
今天我要介紹機器學習的歷史，它的發展是從機器學習的演算法線性回歸、決策樹或隨機森林開始，接著來到神經網絡，最後達到深度學習神經網絡，那讓我們從線性回歸開始說起吧!
線性回歸一開始用來預測自然現象，像是預測行星的運動或是物種的差別(父母會不會生出更高的下一代?)，那個年代計算能力有限，因此，人們還沒有意識到一旦我們擁有夠大的數據集會發揮得更好。
線性回歸的公式是y = w0乘以x0 + w1乘以x1加w2乘以x2依此類推，w是權重(特徵)，這個方程式不僅用在線性回歸，也用在深度神經網絡等其他機器學習模型，我們決定權重好不好的方式是建立一個損失函數，損失函數是均方誤差，用來計算標籤和預測的差異，最後使用梯度下降演算法找到最好的權重。
今天說完線性回歸，明天我將帶大家繼續認識ML的感知器(perception)，那我們明天見！
iThome鐵人賽
看影片追技術