总结在深度学习的过程中遇到的一些经典问题，并努力给出合理的解答。
Q: 为什么线性回归使用的是平方损失函数?
A: 可以看作误差项为高斯分布的最大似然估计。
Q: 为什么不用线性回归解决分类问题?
A: 线性回归应用在分类问题上时容易受特殊值影响，稳定性较差
Q: 如何使用牛顿法?
Q: Logistic函数是如何得到的?
A: 1）从广义线性模型的角度解释：将伯努利分布写作指数分布族的通用形式，可以得到分布的自然参数和分类概率之间的关系。满足logistic函数
2）从函数图像上理解，logistic函数需要将实数映射到
[
0
,
1
]
[0, 1]
[0,1]区间，在零点附近应该变化比较大，对极限值不敏感。
3) 从高斯判别分析的角度: 当
p
(
x
∣
y
)
p(x|y)
p(x∣y)满足高斯分布(满足指数分布族)时，
p
(
y
∣
x
)
p(y|x)
p(y∣x)是一个类似logistic函数的形式。
Q: SVM算法
1958
2万+
143
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
