1. 概率：
![]()
![]()
![]()
![]()
![]()
1.1 定义 概率(P)robability: 对一件事情发生的可能性的衡量
1.2 范围 0 <= P <= 1
1.3 计算方法：
1.3.1 根据个人置信
1.3.2 根据历史数据
1.3.3 根据模拟数据
1.4 条件概率：
2. Logistic Regression (逻辑回归)
2.1 例子
2.2 基本模型
测试数据为X（x0，x1，x2···xn）
要学习的参数为： Θ（θ0，θ1，θ2，···θn）
向量表示：
处理二值数据，引入Sigmoid函数时曲线平滑化
预测函数：
用概率表示：
正例(y=1)：
反例(y=0):
2.3 Cost函数
线性回归:
找到合适的 θ0，θ1使上式最小
Logistic regression:
Cost函数：
目标：找到合适的 θ0，θ1使上式最小
2.4 解法：梯度下降（gradient decent)
更新法则：
学习率
同时对所有的θ进行更新
重复更新直到收敛
1. 皮尔逊相关系数 (Pearson Correlation Coefficient):
![]()
![]()
1.1 衡量两个值线性相关强度的量
1.2 取值范围 [-1, 1]:
正向相关: >0, 负向相关：<0, 无相关性：=0
1.3
2. 计算方法举例：
| X | Y |
| 1 | 10 |
| 3 | 12 |
| 8 | 24 |
| 7 | 21 |
| 9 | 34 |
3. 其他例子：
![【使用注意】特殊中括号[]的特殊json数组](https://img-blog.csdnimg.cn/20190410164557857.png)
