机器学习与大数据技术作者：牟少敏教授第二章p回归分析与最小二乘法p聚类p遗传算法p蚁群算法机器学习的理论与方法p粒子群算法p支持向量机p隐马尔科夫模型p人工神经网络创新与贡献 研究意义 选题背景第二章机器学习则是研究机器模仿人类的学习过程，进行知识和技能获取，是一门涉及到计算机科学与技术、概率论与统计学和认知科学等多个领域的交叉学科。学习是人类区别于低级动物，自身所具有的重要智能行为。其应用十分广泛，如：数据挖掘、计算机视觉、自然语言处理、语音和手写识别和机器人研发等各个领域。分类问题：在有监督学习任务中，预测变量为离散变量。创新与贡献 研究意义 选题背景第二章 2.1回归分析与最小二乘法回归问题：在有监督学习任务中，预测变量为连续变量。回归分析是一种用于确定两种或两种以上变量间相互依赖关系的统计分析方法。按照问题所涉及变量的多少，可将回归分析分为一元回归分析和多元回归分析。按照自变量与因变量之间是否存在线性关系，分为线性回归分析和非线性回归分析。如果在某个回归分析问题中，只有两个变量，一个自变量和一个因变量，且自变量与因变量之间的函数关系能够用一条直线来近似表示，那么称其为一元线性回
