摘要：
首先说伯努利试验 伯努利分布 伯努利试验说的是下面一种事件情况：在生活中，有一些事件的发生只有两种可能，发生或者不发生（或者叫成功或者失败），这些事件都可以被称为伯努利试验。 伯努利试验的概率分布称为伯努利分布（两点分布、0-1分布），如果记成功概率为p，则失败概率为q=1-p，则： 二项分布 假如 阅读全文
摘要：
首先上代码，注意代码里的注释，一般的在注释里说明： import torch # 注意这里必须写成两维的矩阵 x_data = torch.Tensor([[1.0], [2.0], [3.0]]) y_data = torch.Tensor([[2.0], [4.0], [6.0]]) class 阅读全文
摘要：
求最大值最小值的两种主流方法： 将导致设置为0当然是最简单的方法，但是有时求导之后，没法发保证左边只包含w，而右边不包含的情况，此时需要使用梯度下降法。 先随便给一个w的初始值，然后根据导函数，一步步的迭代，直到w收敛。 此时w的对应的f(w)值也越来越趋近最小值！ 阅读全文
摘要：
前馈和反向传播 x： 样本 w： 权重 f： 模型函数 z： 预测值 loss： 损失函数 正向传播时，函数为f，x,w是变量z是因变量。 反向传播时，函数为loss（L），z是变量x,w是因变量。 正向和反向的过程 从这张图我们可以看到，整个过程是先预测，有了预测值之后就可以计算loss，那么其实 阅读全文
摘要：
首先线性回归的定义域和值域都是负无穷到正无穷，它用来预测一个值，比如知道身高预测体重。 逻辑回归其实是由线性回归演变而来 逻辑回归一般用来做二分类，也就是将概率和0.5做比较，概率大于0.5属于一类，其它属于另外一类。所以我希望值域在（0，1），于是就有了逻辑函数。再叠加上线性回归模型就有了逻辑回归 阅读全文