AI 0基础学习，名词解析

标签：方差 AI 损失 60 名词 标准差 distribution 解析

AI学习过程中，常见的名词解析

损失函数（loss function）

数据集中所有样本的损失均值，能够量化目标的实际值与预测值之间的差距，最小化损失是模型的优化目标，实现损失最小化的方法称为优化算法，也称为寻解算法

多项分布（multinomial distribution）

贝叶斯定理（Bayes’ theorem）

方差

标准差的平方，方差反映的是波动平方，波动：60分->180分 波动 20，乘以3位 波动=60，方差=60**2=360
https://www.bilibili.com/video/BV1NY4y1L7rL/
\(x_1\) ~ \(x_n\) 的离散程度或者说稳定程序

极差

最大值与最小值 之间的波动关系(\(x_{max}\) - \(x_{min}\)），同样反映的离散程度

标准差（standard deviation）

标准差反映的是波动
方差的平方根被称为标准差（standard deviation）

线性回归（linear regression）

仿射变换（affine transformation）

梯度下降（gradient descent）

通过不断地在损失函数递减的方向上更新参数来降低误差。 最简单的用法是计算损失函数（数据集中所有样本的损失均值） 关于模型参数的导数（在这里也可以称为梯度） 算法的步骤如下： 1. 初始化模型参数的值，如随机初始化； 2. 从数据集中随机抽取小批量样本且在负梯度的方向上更新参数，并不断迭代这一步骤

正态分布（normal distribution）= 高斯分布（Gaussian distribution）

标签：方差,AI,损失,60,名词,标准差,distribution,解析
From： https://www.cnblogs.com/vipsoft/p/17404314.html