正态分布其实是尖锥形的东西,越陡峭,平方差越小
不是用数学来验证算法,有时候是用算法验证数学原理
逻辑回归,梯度下降法,梯度下降法是一旦确定损失函数后,损失函数求解,其实有很多方法,梯度下降法不限于看到的哪一个回归或者算法里的,它讲的是一种求解算法,求解算法的前提条件,算法里有决策模型,第二个有数理的基础,最小损失函数,这是一个算法的最常见的思维套路
机器学习的常规套路,模式,决策模型,
2。从数学推理来建立损失模型(实际上是概率模型,也就是最大似然函数)
3.从最大似然模型转换成最小损失模型
4.找到一个有效的求解算法,求解(梯度下降)
最小二乘法有先天局限性,函数在求值的时候,其中的可逆矩阵未必是可逆的
梯度下降也有局限,如果求的导数不可导,不可微分的函数,梯度下降就不适合
按照梯度下降的模式可以做一个推导
s曲线一般是正态分布,它的累计函数的一个近似函数,正态函数是没有累积函数的概念的,正态分布函数是一个概率分布函数,在产生区间积分的时候,正太分布函数没有线性累积表达式
分子其实是1
s曲线也可以变成这样一个函数,s曲线有几个最大的优点,可导的,导数使用自己表示
神经网络的时候,这个函数非常常用
这个函数的输出值,0到1之间的东西
0到1根据概率模型,其实可以得到一个结论,可以当成1个概率
还有一个良好的性质,是单调的,概率越大,x是变大的
s曲线可以看出,单调是非常明显的,值在0到1之间,不可能等于1,可以等于0,但不可以等于1,是0和1的半开区间
在0的左右,近似y=kx正比函数