深入理解神经网络原理：线性回归

什么是线性分类器

 寻找一个函数 把D维空间的输入映射到K维空间（分为K列）

 输入是D维列向量，输出是K*1维，那么W一定是K*D维

Wx+b的物理意义是什么

wx是列向量的内积->就是在算两个列向量的相关度->是在算 第一类的特征分量的表示 与 输入数据的相关度

w：是从w的眼中看到的 物体的分量 

    就像人的世界观

    婴儿刚开始不存在世界观，通过喂给数据，组件收敛成一个较好的世界观

wx:x与w每一类相似度匹配的度量，算出来的值越大，是某一类的可能性越大

将wx+b 用概率表示，使用softmax

 wx+b优化w的指标：loss 利用数据信息

通常y_label与y_pred 通常是k维的独热编码

交叉熵损失

 折页损失

通过循环计算是否比其他预测值都大，