From 77ac771ad1f26ec004001f426dfa7f1e909f9dd3 Mon Sep 17 00:00:00 2001 From: EthanDeng Date: Thu, 9 May 2019 19:20:50 +0800 Subject: [PATCH] typo --- elegantbook-cn.tex | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/elegantbook-cn.tex b/elegantbook-cn.tex index d464b4c..e220e98 100644 --- a/elegantbook-cn.tex +++ b/elegantbook-cn.tex @@ -365,7 +365,7 @@ Lebesgue 积分有几种不同的定义方式。我们将采用逐步定义非 以最简单的一元线性模型来解释最小二乘法。什么是一元线性模型呢？监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。对于二维空间线性是一条直线；对于三维空间线性是一个平面，对于多维空间线性是一个超平面。 -\begin{property} +\begin{property}\label{property:cauchy} 柯西列的性质 \begin{enumerate} \item $\{x_k\}$ 是柯西列，则其子列 $\{x_k^i\}$ 也是柯西列。