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、資料：
方差是各個資料與平均數之差的平方的和的平均數，公式為：
s² = 1/n * [(x₁ - x)² + (x₂ - x)² + ... + (xₙ - x)² ]
其中，x表示樣本的平均數，n表示樣本的數量，xi表示個體，而s^2就表示方差。
平方差：a²-b²=(a+b)(a-b)。文字表示式：兩個數的和與這兩個數的差的積等於這兩個數的平方差。此即平方差公式
標準差：標準差=sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n)。是離均差平方的算術平均數的平方根，用σ表示。在概率統計中最常使用作為統計分布程度上的測量。標準差是方差的算術平方根。標準差能反映乙個資料集的離散程度。
標準差（standard deviation） ，中文環境中又常稱均方差，是離均差平方的算術平均數的平方根，用σ表示。在概率統計中最常使用作為統計分布程度上的測量。標準差是方差的算術平方根。標準差能反映乙個資料集的離散程度。平均數相同的兩組資料，標準差未必相同。
c、為什麼均方差（mse）不適合分類問題？交叉熵（cross-entropy）不適合回歸問題？_weixin_41888969的部落格-csdn部落格.html（
交叉熵與均方差_dawnranger的專欄-csdn部落格.html（
7、資料：
希臘字母讀音
8、9、
10、
TensorFlow的一些基本概念
白天跟著tensorflow的官方文件把最簡單的mnist模型跑通了，基本過程算是大致理清了，但程式看一遍下來，發現tensorflow中很多基本概念還不是很理解，比如tensor這個東西怎麼理解，基於圖又是怎麼回事，於是打道回府從基本概念開始看起。慶幸的是目前有很多人在學這個，很多學習資料已經歸類...
tensorflow一些常用知識
value是賦值，可以是乙個數，也可以是乙個list.dtype指定數字型別，比如tf.float32 shape指定器形狀 維度 如果value是乙個常數，則這個常量中所有值都按這個值來賦值。如果value是list,那麼len value 一定要小於等於shape展開後的長度。賦值時，先將val...
澄清一些概念
參考 以前一直分不清 authentication 和 authorization，其實很簡單，舉個例子來說 你要登機，你需要出示你的 passport 和 ticket，passport 是為了證明你張三確實是你張三，這就是 authentication 而機票是為了證明你張三確實買了票可以上飛機...