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：

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 * [(x? - x)² + (x? - x)² + ... + (x? - 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）

7、资料：

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 Alpha2、Β β：贝塔 Beta3、Γ γ：伽玛 Gamma4、Δ δ：德尔塔 Delte　　　　ZC: 翻译 ：delta 美 [‘delt?] 英 [‘delt?]5、Ε ε：艾普西龙 Epsilon6、Ζ ζ ：捷塔 Zeta7、Ε η：依塔 Eta8、Θ θ：西塔 Theta9、Ι ι：艾欧塔 Iota10、Κ κ：喀帕 Kappa11、∧ λ：拉姆达 Lambda12、Μ μ：缪 Mu13、Ν ν：拗 Nu14、Ξ ξ：克西 Xi15、Ο ο：欧麦克轮 Omicron16、∏ π：派 Pi17、Ρ ρ：柔 Rho18、∑ σ：西格玛 Sigma19、Τ τ：套 Tau20、Υ υ：宇普西龙 Upsilon21、Φ φ：fai Phi22、Χ χ：器 Chi23、Ψ ψ：普赛 Psi24、Ω ω：欧米伽 Omega

8、

9、

10、

原文地址：https://www.cnblogs.com/pythonzc/p/12233629.html