机器学习中为什么正态分布如此常见

原因
真正的原因是中心极限原理：
多个独立统计量的和的平均值，符合正态分布
根据中心极限原理，如果一个事物受到多种因素的影响，不管每个因素本身是什么分布，他们加总后，结果的平均值就是正态分布
许多事物受到多种因素的影响，这导致了正态分布的常见，正态分布是对称的（高个子与矮个子的比例相同），但是很多真实世界的分布是不对称的
。正态分布只适合各种因素累加的情况，如果这些因素不是彼此独立的，会互相加强影响，那么就不是正态分布了