小编点评

**名词解析中位数** 中位数是指数据中分值分布的中点位置，即数据中值 most likely 的值。 **方差** 方差反映的是数据的波动程度。方差越大，数据的波动越大，越不稳定方差越小，数据的波动越小，越稳定。 **标准差** 标准差反映的是数据的波动平方根。标准差反映的是波动方差的平方根，即标准差。 **梯度下降** 梯度下降是一种优化算法，通过不断地在损失函数递减方向上更新参数来降低误差。

正文

AI学习过程中，常见的名词解析

中位数

将数据从小到大排序，奇数列，取中间值，偶数列，中间两个值的平均，可做为销售指标

众数

一组数据中，数值出现最多的那个。反映哪款产品，销量最好

平均数

比赛中，去掉最高、最低分，然后以平均数做为选手的最终得分

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

方差与数据波动情况的关系：

• 方差越大，数据的波动越大，越不稳定
• 方差越小，数据的波动越小，越稳定

https://www.bilibili.com/video/BV1734y1L7SW/

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）