机器学习概念澄清（线性回归）

Question

我对机器学习很陌生，看完一些视频后我想确保理解一些概念：

1. 在线性回归方面，我们可以使用以下几种方法找到截距和系数：梯度下降，正态方程和最小二乘。

2. 然后，为了测量从上面步骤得出的假设函数的准确性，我们可以使用诸如R-Square或Square Error之类的方法。

3. 当涉及正则化时 - 我们可以使用岭回归（例如）来找到系数和截距，以帮助我们消除过度拟合。 在应用岭回归之后，当我们得到一些0的系数时，这意味着它们对我们的数据不是“那么关键”，因此我们可以简单地将它们从我们的假设函数中删除。

所有这些陈述都是正确的吗？ 谢谢！

Answer 1

一切正确。对你的修辞略有修改：

当我们得到一些0的系数时，这意味着它们对我们的数据不是“那么关键”，因此我们可以简单地从我们的假设函数中删除相应的特征。