3.4.7建议解释下，看的一脸懵逼，下面的回复解释的也不太清晰
这一节分类标签，(鸡，猫，狗)，上下文不一致。
请问“课后联系”的代码在哪里可以下载？或者文档也可以
2 Likes
这部分不少人读不懂，感觉不是很通透，希望解答下
2 Likes
好棒！懂了。不过3.4.7中，请问为何
直接就相等了呀。不理解
4 Likes
这是一种简略的写法，实际上是新定义了一个函数，也就是
，使其等于
5 Likes
请问我应该如何发“PR”呢？页面上好像没有找到这个选项，谢谢！
应该在github的界面上发，这里是没有的
###########################################################################
3.4.9公式的第二行到第三行中，为什么yj的求和在第一项中去掉了，在第二项中保存下来了？？？？？
1 Like
第一项后面是k，所以可以直接加了，加起来是1，所以省略
能否用神经网络去拟合pytorch中内置的损失函数BCELOSS，如果能网络结构应该是怎么样的》？
请问3.4.6.2损失函数求梯度为什么是对o_j求导，而不是对参数求导呢？
3.4.7到3.4.8的推导：输入[x1, x2, …, xd]到网络中得到输出[y’1, y’2, …, y’q]，注意这里的每个输出y^i都是已经使用softmax归一化的概率。这时我们样本的标签对应为[0, 0, …, 1, …]，就假设第i类为1好了，即yi=1，那么这时 p(y=i | X) = y’i。那么我们如何写成一个一般化的式子表示p(y=i | X)的概率呢？不妨这样表示 p(y = i | X) = (y’1 * y1) * (y’2 * y2) * … (y’i * yi) …(y’q * yq)。这样的话我们就可以得出极大似然估计的表达式了，即3.4.7 和 3.4.8。(‾◡◝)
AttributeError: module ‘torch’ has no attribute ‘synthetic_data’
AttributeError: module ‘torch’ has no attribute ‘set_figsize’
我在运行代码时出现这样报错有大佬可以帮我解析一下吗？抱歉我是个编程小白
楼上很多对3.4.7怎么推到3.4.8的讨论，我个人一开始没理解用极大似然怎么推出这个条件概率值的表达式，但是看了一下@zxhd863943427的推导也理解了：
极大似然是通过改变模型的参数θ，使得观测的事件发生的概率最大，这里θ就是估计的y的概率分布，所以要改变y的分布的值（特指yj情况下的y*）来使得发生事件（指这里的一个个样本，相互对立假设下概率值直接相乘）的概率最大，上述概率都是指给定x下的条件概率。
我就补充这个理解吧，具体计算再去看@zxhd863943427写的回答应该能看得更懂一些。（有错请指正我，概统已经是一年前学的了）