qq_31600443的博客

只使用numpy搭建一个多层神经网络类

最懂保险的算法工程师，致力于保险理念的推广，让每个程序员在35岁时都能够免除后顾之忧。通过构建保险组合，避免中年因病致穷，苦攒多年积蓄全部花费在医疗上，因此返贫

Logistic分布是一种描述随机变量分布的数学模型，通常用于表示一个事件发生的概率。这个分布是S形状的曲线，具有良好的数学性质，常用于统计学和机器学习中。总体来说，Logistic分布在描述概率随机变量时具有广泛的应用，特别是在二分类问题中，如逻辑回归模型中。Logistic分布描述了一个连续型随机变量的概率分布，特别适用于二元随机变量（只有两种可能的情况）。二项分布表示了在进行多次独立的二元试验时，成功次数的概率。) 决定了分布的位置，而尺度参数 ( s ) 影响分布的宽度。

在数学和机器学习领域，梯度是一个非常重要的概念。它是一个向量，表示函数在某一点上变化最快的方向。梯度的引入为解决优化问题、求解方程和模型训练等提供了强大的工具。在机器学习和优化问题中，我们常常面临着需要最小化（或最大化）一个目标函数的情况。梯度下降是一种基于迭代的优化算法，通过沿着目标函数的梯度方向逐步调整参数，从而找到目标函数的最小值。梯度下降是一种强大的优化算法，被广泛用于机器学习和深度学习等领域。通过不断地沿着目标函数梯度的反方向更新参数，我们可以逐步接近最优解。

它的核心思想是通过观察到的数据来找到使得观察到的数据出现的概率最大的参数值。在许多统计模型中，我们假设观察到的数据是由一个概率分布生成的，而极大似然估计就是要找到这个概率分布的参数。似然函数是关于模型参数的函数，表示给定模型下观察到的数据的概率。最后，要检验所得的参数值是否确实是似然函数的最大值，通常需要通过二阶导数测试或者观察似然函数的凹凸性来确认。由于似然函数通常涉及多个相乘的项，为了方便计算，通常会对似然函数取对数，得到对数似然函数。首先，我们需要明确观察到的数据是由一个概率分布生成的。