第914章 梯度下降（第2页）
。
?
3.
类比到人的认知
你说“认识一只猫，大概就是一只猫”
非常贴切。
?t机器学习里的“碗底”
就是
最能解释数据的参数组合。
?t但数据有噪声、有歧义，就像长得像狗的猫，四个轮的不一定是汽车。
?t因此，模型不会给出“唯一答案”
，而是给出一个
概率分布
——
比如“这是猫的概率是
90%，狗的概率是
10%”
。
这也是为什么深度学习常常用
交叉熵
这样的概率损失函数，而不是单纯的“对不对”
。
?
4.
梯度下降背后的智慧
从哲学角度看，梯度下降有点像人的学习：
?t每次犯错（损失）后，沿着“错误最敏感的方向”
调整一点点。
?t学不会一蹴而就，而是通过无数次小步修正，逐渐逼近“更合理的理解”
。
?t最终得到的知识，也不是绝对正确的，而是“在大多数情况下有效”
。
?
好的，我就接着往下深入，把梯度下降从“形象理解
→
数学逻辑
→
哲学启发”
串起来。
本章未完，点击下一页继续阅读