tensorflow.一些概念01

1、平方差
(a+b)(a-b) = a² - b²

2、均方差

方差

3、交叉熵


均方差 交叉熵 方差

4、

5、

6、资料:

复制代码
A、方差,平方差,标准差的公式是什么?_百度知道.html(https://zhidao.baidu.com/question/688221660902304484.html)

  方差是各个数据与平均数之差的平方的和的平均数,公式为:

	s² = 1/n * [(x₁ - x)² + (x₂ - x)² + ... + (xₙ - x)² ]
  其中,x表示样本的平均数,n表示样本的数量,xi表示个体,而s^2就表示方差。

  平方差:a²-b²=(a+b)(a-b)。文字表达式:两个数的和与这两个数的差的积等于这两个数的平方差。此即平方差公式

  标准差:标准差=sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n)。是离均差平方的算术平均数的平方根,用σ表示。在概率统计中最常使用作为统计分布程度上的测量。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。


B、标准差_百度百科.html(https://baike.baidu.com/item/%E6%A0%87%E5%87%86%E5%B7%AE/1415772?fr=aladdin)

  标准差(Standard Deviation) ,中文环境中又常称均方差,是离均差平方的算术平均数的平方根,用σ表示。在概率统计中最常使用作为统计分布程度上的测量。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据,标准差未必相同。

C、为什么均方差(MSE)不适合分类问题?交叉熵(cross-entropy)不适合回归问题?_weixin_41888969的博客-CSDN博客.html(https://blog.csdn.net/weixin_41888969/article/details/89450163)
  交叉熵与均方差_DawnRanger的专栏-CSDN博客.html(https://blog.csdn.net/dawnranger/article/details/78031793)
复制代码

7、资料:

复制代码
Z、σ怎么读_百度知道.html(https://zhidao.baidu.com/question/332467470.html)

希腊字母读音
1、Α α:阿尔法 Alpha
2、Β β:贝塔 Beta
3、Γ γ:伽玛 Gamma
4、Δ δ:德尔塔 Delte    ZC: 翻译 :delta 美 ['deltə] 英 ['deltə]
5、Ε ε:艾普西龙 Epsilon
6、Ζ ζ :捷塔 Zeta
7、Ε η:依塔 Eta
8、Θ θ:西塔 Theta
9、Ι ι:艾欧塔 Iota
10、Κ κ:喀帕 Kappa
11、∧ λ:拉姆达 Lambda
12、Μ μ:缪 Mu
13、Ν ν:拗 Nu
14、Ξ ξ:克西 Xi
15、Ο ο:欧麦克轮 Omicron
16、∏ π:派 Pi
17、Ρ ρ:柔 Rho
18、∑ σ:西格玛 Sigma
19、Τ τ:套 Tau
20、Υ υ:宇普西龙 Upsilon
21、Φ φ:fai Phi
22、Χ χ:器 Chi
23、Ψ ψ:普赛 Psi
24、Ω ω:欧米伽 Omega
复制代码

8、

9、

10、

猜你喜欢

转载自www.cnblogs.com/pythonzc/p/12233629.html