2021-01-18 21:56:23

new/handson-1shot-learn-py/2.md

@@ -30,7 +30,7 @@
 
 简而言之，参数化机器学习算法试图学习数据及其标签的联合概率分布。 我们学习的参数是联合概率分布给出的方程； 例如，众所周知，逻辑回归可以看作是一层神经网络。 因此，考虑到一个单层神经网络，它实际学习的是方程的权重和偏差，以便使`P(Y | X)`适应`Y`（标签）。
 
-Logistic 回归是**判别式分类器**的一种形式，在判别式分类器中，我们仅关注`P(Y | X)`，即，我们尝试对`Y`（标签）的概率分布做出假设，并尝试以某种方式将我们的`X`（输入）映射到它。 因此，本质上，我们尝试在逻辑回归中进行以下操作：
+逻辑回归是**判别式分类器**的一种形式，在判别式分类器中，我们仅关注`P(Y | X)`，即，我们尝试对`Y`（标签）的概率分布做出假设，并尝试以某种方式将我们的`X`（输入）映射到它。 因此，本质上，我们尝试在逻辑回归中进行以下操作：
 
 ![](img/010cceaa-cf25-4883-a25d-5800e070dc87.png)
 

new/rl-tf/00.md

@@ -16,7 +16,7 @@
 
 *   Python 和 TensorFlow
 *   线性代数是神经网络的前提
-*   安装包：Python，TensorFlow 和 OpenAI 体育馆（在第 1 章，“深度学习–架构和框架”和第 2 章中显示） 使用 OpenAI Gym* 的特工
+*   安装包：Python，TensorFlow 和 OpenAI 体育馆（在第 1 章，“深度学习–架构和框架”和第 2 章中显示）
 
 # 下载示例代码文件
 
@@ -31,9 +31,9 @@
 
 下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：
 
-*   Windows 的 WinRAR / 7-Zip
-*   Mac 版 Zipeg / iZip / UnRarX
-*   适用于 Linux 的 7-Zip / PeaZip
+*   Windows 的 WinRAR/7-Zip
+*   Mac 版 Zipeg/iZip/UnRarX
+*   适用于 Linux 的 7-Zip/PeaZip
 
 本书的代码包也托管在 [GitHub](https://github.com/PacktPublishing/Reinforcement-Learning-with-TensorFlow) 上。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。