diff --git a/.DS_Store b/.DS_Store
index 88e9956..7824fb1 100644
Binary files a/.DS_Store and b/.DS_Store differ
diff --git a/ch01_数学基础/第一章_数学基础.md b/ch01_数学基础/第一章_数学基础.md
index 274689f..bf52434 100644
--- a/ch01_数学基础/第一章_数学基础.md
+++ b/ch01_数学基础/第一章_数学基础.md
@@ -234,7 +234,7 @@ $$
 这里$V​$就是上面的右奇异向量，另外还有：
 
 $$
-\sigma_i = \sqrt{\lambda_i}, u_i=\frac{1}{\sigma_i}A\mu_i
+\sigma_i = \sqrt{\lambda_i}, u_i=\frac{1}{\sigma_i}AV
 $$
 
 这里的$\sigma​$就是奇异值，$u​$就是上面说的左奇异向量。【证明那个哥们也没给】
@@ -300,7 +300,7 @@ PMF 可以同时作用于多个随机变量，即联合概率分布(joint probab
 
 如果一个函数$p​$是x的PDF，那么它必须满足如下几个条件
 
-- $p$的定义域必须是 xx 的所有可能状态的集合。
+- $p$的定义域必须是x的所有可能状态的集合。
 - $∀x∈X,p(x)≥0$. 注意，我们并不要求$ p(x)≤1$，因为此处 $p(x)$不是表示的对应此状态具体的概率，而是概率的一个相对大小(密度)。具体的概率，需要积分去求。
 - $∫p(x)dx=1$, 积分下来，总和还是1，概率之和还是1.
 
@@ -378,12 +378,12 @@ $X$和$Y$的关系依赖于$Z$，而不是直接产生。
 
 ### 1.5.1 Bernoulli分布
 
-**Bernoulli分布**是单个二值随机变量分布, 单参数$\phi​$∈[0,1]控制,$\phi​$给出随机变量等于1的概率. 主要性质有: 
+**Bernoulli分布**(伯努利分布，0-1分布)是单个二值随机变量分布, 单参数$\phi$∈[0,1]控制,$\phi$给出随机变量等于1的概率. 主要性质有: 
 $$
 \begin{align*}
 P(x=1) &= \phi \\
 P(x=0) &= 1-\phi  \\
-P(x=x) &= \phi^x(1-\phi)^{1-x} \\
+概率质量函数：P(x=x) &= \phi^x(1-\phi)^{1-x} \\
 \end{align*}
 $$
 其期望和方差为：
@@ -393,10 +393,16 @@ E_x[x] &= \phi \\
 Var_x(x) &= \phi{(1-\phi)}
 \end{align*}
 $$
-**Multinoulli分布**也叫**范畴分布**, 是单个*k*值随机分布,经常用来表示**对象分类的分布**. 其中$k$是有限值.Multinoulli分布由向量$\vec{p}\in[0,1]^{k-1}$参数化,每个分量$p_i$表示第$i$个状态的概率, 且$p_k=1-1^Tp​$.
-
 **适用范围**: **伯努利分布**适合对**离散型**随机变量建模.
 
+**Multinoulli分布**也叫**范畴分布**, 是单个*k*值随机分布,经常用来表示**对象分类的分布**. 其中$k$是有限值.Multinoulli分布由向量$\vec{p}\in[0,1]^{k-1}$参数化,每个分量$p_i$表示第$i$个状态的概率, 且$p_k=1-1^Tp$.这里$1^T$表示元素全为1的列向量的转置，其实就是对于向量p中除了k的概率之和。可以重写为$p_k=1-\sum_{0}^{k-1}p_i$ 。
+
+补充二项分布、多项分布：
+
+二项分布，通俗点硬币抛多次。二项分布(Binomial distribution)是**n重伯努利试验**成功次数的离散概率分布。
+
+多项式分布(Multinomial Distribution)是二项式分布的推广。二项式做n次伯努利实验，规定了每次试验的结果只有两个，如果现在还是做n次试验，只不过每次试验的结果可以有多m个，且m个结果发生的概率互斥且和为1，则发生其中一个结果X次的概率就是多项式分布。
+
 ### 1.5.2 高斯分布
 
 高斯也叫正态分布(Normal Distribution), 概率度函数如下:  
@@ -446,7 +452,7 @@ p(x;\lambda)=\lambda I_{x\geq 0}exp(-\lambda{x})
 $$
 指数分布用指示函数$I_{x\geq 0}​$来使$x​$取负值时的概率为零。
 
-### 1.5.5 Laplace 分布
+### 1.5.5 Laplace 分布（拉普拉斯分布）
 
 一个联系紧密的概率分布是 Laplace 分布（Laplace distribution），它允许我们在任意一点 $\mu$处设置概率质量的峰值
 $$
@@ -489,7 +495,7 @@ $$
 
 > 注意：
 >
-> - 函数的期望大于等于期望的函数（Jensen不等式），即$E(f(x))\geqslant f(E(x))$  
+> - 函数的期望大于等于期望的函数（Jensen（詹森）不等式，即$E(f(x))\geqslant f(E(x))$  
 > - 一般情况下，乘积的期望不等于期望的乘积。  
 > - 如果$X$和$Y$相互独立，则$E(xy)=E(x)E(y)​$。  
 
diff --git a/ch02_机器学习基础/第二章_机器学习基础.md b/ch02_机器学习基础/第二章_机器学习基础.md
index 438c8a1..5af5c19 100644
--- a/ch02_机器学习基础/第二章_机器学习基础.md
+++ b/ch02_机器学习基础/第二章_机器学习基础.md
@@ -299,7 +299,28 @@ $$
 
 （5）各特征之间不需要满足条件独立假设，但各个特征的贡献独立计算。
 
-### 2.9.3 逻辑回归与朴素贝叶斯有什么区别
+### 2.9.3 生成模型和判别模型的区别
+
+
+生成模型：由数据学习联合概率密度分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型：P(Y|X)= P(X,Y)/ P(X)（贝叶斯概率）。基本思想是首先建立样本的联合概率概率密度模型P(X,Y)，然后再得到后验概率P(Y|X)，再利用它进行分类。典型的生成模型有朴素贝叶斯，隐马尔科夫模型等
+
+判别模型：由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型，即判别模型。基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。典型的判别模型包括k近邻，感知级，决策树，支持向量机等。这些模型的特点都是输入属性X可以直接得到后验概率P(Y|X)，输出条件概率最大的作为最终的类别（对于二分类任务来说，实际得到一个score，当score大于threshold时则为正类，否则为负类）。
+
+举例：
+
+判别式模型举例：要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。
+
+生成式模型举例：利用生成模型是根据山羊的特征首先学习出一个山羊的模型，然后根据绵羊的特征学习出一个绵羊的模型，然后从这只羊中提取特征，放到山羊模型中看概率是多少，在放到绵羊模型中看概率是多少，哪个大就是哪个。
+
+联系和区别：
+
+ 	生成方法的特点：上面说到，生成方法学习联合概率密度分布P(X,Y)，所以就可以从统计的角度表示数据的分布情况，能够反映同类数据本身的相似度。但它不关心到底划分各类的那个分类边界在哪。生成方法可以还原出联合概率分布P(Y,X)，而判别方法不能。生成方法的学习收敛速度更快，即当样本容量增加的时候，学到的模型可以更快的收敛于真实模型，当存在隐变量时，仍可以用生成方法学习。此时判别方法就不能用。
+
+ 	判别方法的特点：判别方法直接学习的是决策函数Y=f(X)或者条件概率分布P(Y|X)。不能反映训练数据本身的特性。但它寻找不同类别之间的最优分类面，反映的是异类数据之间的差异。直接面对预测，往往学习的准确率更高。由于直接学习P(Y|X)或P(X)，可以对数据进行各种程度上的抽象、定义特征并使用特征，因此可以简化学习问题。
+
+​	最后，由生成模型可以得到判别模型，但由判别模型得不到生成模型。
+
+### 2.9.4 逻辑回归与朴素贝叶斯有什么区别
 
 逻辑回归与朴素贝叶斯区别有以下几个方面：
 
@@ -311,7 +332,7 @@ $$
 
 （4）逻辑回归需要求特征参数间是线性的。
 
-### 2.9.4 线性回归与逻辑回归的区别
+### 2.9.5 线性回归与逻辑回归的区别
 
 线性回归与逻辑回归的区别如下描述：
 
@@ -396,7 +417,8 @@ J = \frac{(y-a)^2}{2}
 $$
 ​	假如使用梯度下降法（Gradient descent）来调整权值参数的大小，权值$w$和偏置$b$的梯度推导如下：
 $$
-\frac{\partial J}{\partial b}=(a-y)\sigma'(z)
+\frac{\partial J}{\partial w}=(y-a)\sigma'(z)x\;,
+\frac{\partial J}{\partial b}=(y-a)\sigma'(z)
 $$
 其中，$z​$表示神经元的输入，$\sigma​$表示激活函数。权值$w​$和偏置$b​$的梯度跟激活函数的梯度成正比，激活函数的梯度越大，权值$w​$和偏置$b​$的大小调整得越快，训练收敛得就越快。
 
@@ -436,6 +458,73 @@ $$
         与sigmoid搭配使用的交叉熵函数：`torch.nn.BCEWithLogitsLoss()`。
 	与softmax搭配使用的交叉熵函数：`torch.nn.CrossEntropyLoss()`。
 
+
+
+对数似然函数：
+
+​	我们将似然函数作为机器学习模型的损失函数，并且用在分类问题中。这时似然函数是直接作用于模型的输出的（损失函数就是为了衡量当前参数下model的预测值predict距离真实值label的大小，所以似然函数用作损失函数时当然也是为了完成该任务），所以对于似然函数来说，这里的样本集就成了label集（而不是机器学习意义上的样本集X了），这里的参数也不是机器学习model 的参数，而是predict值。
+
+其实作为损失函数的似然函数并不关心你当前的机器学习model的参数是怎样的，毕竟它此时所接收的输入只有两部分：**1、predict。2、label 。3、分布模型（predict服从的分布）**。
+
+显然这里的label就是似然函数的观测值，即样本集。**而它眼里的模型，当然就是predict这个随机变量所服从的概率分布模型。它的目的，就是衡量predict背后的模型对于当前观测值的解释程度。而每个样本的predict值，恰恰就是它所服从的分布模型的参数。**
+
+比如此时我们的机器学习任务是一个4个类别的分类任务，机器学习model的输出就是当前样本X下的每个类别的概率，如predict=[0.1, 0.1, 0.7, 0.1]，而该样本的标签是类别3，表示成向量就是label=[0, 0, 1, 0]。那么label=[0, 0, 1, 0]就是似然函数眼里的样本，然后我们可以假设predict这个随机变量背后的模型是**单次观测下的多项式分布**，（**因为softmax本身是基于多项式分布的**）。	
+
+回顾：
+
+伯努利分布，也叫做（0，1）分布，贝努利分布可以看成是将一枚硬币（只有正反两个面，代表两个类别）向上扔出，出现某个面（类别）的概率情况，因此其概率密度函数为：
+
+$$
+f(x)=p^x(1-p)^{1-x}=
+\begin{cases}
+p,& x=1\\
+q,& x=0
+\end{cases}
+$$
+这是理解似然函数做损失函数的关键！另外，贝努利分布的模型参数就是其中一个类别的发生概率。
+
+而二项分布呢，就是将贝努利实验重复n次（各次实验之间是相互独立的）。
+
+而多项式分布呢，就是将二项分布推广到多个面（类别）。
+
+**所以，单次观测下的多项式分布就是贝努利分布的多类推广！即：**
+$$
+f_{mulit}(x;p)=\prod_{i=1}^C p_{i}^{xi}
+$$
+其中，C代表类别数。p代表向量形式的模型参数，即各个类别的发生概率，如p=[0.1, 0.1, 0.7, 0.1]，则p1=0.1, p3=0.7等。即，**多项式分布的模型参数就是各个类别的发生概率！**x代表**one-hot形式**的观测值，如x=类别3，则x=[0, 0, 1, 0]。xi代表x的第i个元素，比如x=类别3时，x1=0，x2=0，x3=1，x4=0。
+
+想一下，机器学习model对某个样本的输出，就代表各个类别发生的概率。但是，对于当前**这一个**样本而言，它肯定只能有**一个类别**，所以这一个样本就可以看成是一次实验（观察），而这次实验（观察）的结果要服从上述各个类别发生的概率，那不就是服从多项式分布嘛！而且是单次观察！各个类别发生的概率predict当然就是这个多项式分布的参数。
+
+**总结一下，对于多类分类问题，似然函数就是衡量当前这个以predict为参数的单次观测下的多项式分布模型与样本值label之间的似然度。**
+
+所以，根据似然函数的定义，单个样本的似然函数即：
+
+$$
+L = f_{mulit}(label;predict)
+$$
+所以，整个样本集（或者一个batch）的似然函数即：
+$$
+L=\prod_{X}f_{multi}(label;predict)= \prod_{X}\prod_{i=1}^{C}predict(i)^{label(i)}
+$$
+所以在累乘号前面加上log函数后，就成了所谓的对数似然函数：
+$$
+L=\sum_{X}\sum_{i=1}^{C}label(i)log(predict(i))
+$$
+而最大化对数似然函数就等效于最小化负对数似然函数，所以前面加个负号就和交叉熵的形式相同的了。
+
+交叉熵定义：对于某种分布的随机变量X~p(x), 有一个模型q(x)用于近似p(x)的概率分布，则分布X与模型q之间的交叉熵即：
+
+$$
+H(X,q)=-\sum_{x}p(x)logq(x)
+$$
+这里X的分布模型即样本集label的真实分布模型，这里模型q(x)即想要模拟真实分布模型的机器学习模型。可以说交叉熵是直接衡量两个分布，或者说两个model之间的差异。而似然函数则是解释以model的输出为参数的某分布模型对样本集的解释程度。因此，可以说这两者是“同貌不同源”，但是“殊途同归”啦。
+
+tips：
+
+最大似然估计：
+
+给定一堆数据，假如我们知道它是从某一种分布中随机取出来的，可是我们并不知道这个分布具体的参，即“模型已定，参数未知”。例如，我们知道这个分布是正态分布，但是不知道均值和方差；或者是二项分布，但是不知道均值。最大似然估计（MLE，Maximum Likelihood Estimation）就可以用来估计模型的参数。**MLE的目标是找出一组参数，使得模型产生出观测数据的概率最大。**
+
 ### 2.10.5 为什么用交叉熵代替二次代价函数
 （1）**为什么不用二次方代价函数**
 由上一节可知，权值$w$和偏置$b$的偏导数为$\frac{\partial J}{\partial w}=(a-y)\sigma'(z)x$，$\frac{\partial J}{\partial b}=(a-y)\sigma'(z)$， 偏导数受激活函数的导数影响，sigmoid函数导数在输出接近0和1时非常小，会导致一些实例在刚开始训练时学习得非常慢。
@@ -497,10 +586,12 @@ $$
 
 （4）**对数损失函数**
 $$
-L(Y, P(Y|X)) = -\log{P(Y|X)}
+L(Y, P(Y|X)) = -\log{P(Y|X)}=-\frac{1}{N}\sum_{i=1}^N\sum_{j=1}^M y_{ij}log(p_{ij})
 $$
 
-​	常见的逻辑回归使用的就是对数损失函数，有很多人认为逻辑回归的损失函数是平方损失，其实不然。逻辑回归它假设样本服从伯努利分布（0-1分布），进而求得满足该分布的似然函数，接着取对数求极值等。逻辑回归推导出的经验风险函数是最小化负的似然函数，从损失函数的角度看，就是对数损失函数。
+​	其中, Y 为输出变量, X为输入变量, L 为损失函数. N为输入样本量, M为可能的类别数, $y_{ij}$ 是一个二值指标, 表示类别 j 是否是输入实例 xi 的真实类别. $p_{ij}$ 为模型或分类器预测输入实例 xi 属于类别 j 的概率.
+
+常见的逻辑回归使用的就是对数损失函数，有很多人认为逻辑回归的损失函数是平方损失，其实不然。逻辑回归它假设样本服从伯努利分布（0-1分布），进而求得满足该分布的似然函数，接着取对数求极值等。逻辑回归推导出的经验风险函数是最小化负的似然函数，从损失函数的角度看，就是对数损失函数。形式上等价于二分类的交叉熵损失函数。
 
 （6）**指数损失函数**
 指数损失函数的标准形式为：
@@ -731,7 +822,7 @@ $$
 	由于样本不同，特征取值范围也不同，导致迭代速度慢。为了减少特征取值的影响，可对特征数据标准化，使新期望为0，新方差为1，可节省算法运行时间。
 
 ### 2.12.6 随机梯度和批量梯度区别
-​	随机梯度下降（SDG）和批量梯度下降（BDG）是两种主要梯度下降法，其目的是增加某些限制来加速运算求解。
+​	随机梯度下降（SGD）和批量梯度下降（BGD）是两种主要梯度下降法，其目的是增加某些限制来加速运算求解。
 下面通过介绍两种梯度下降法的求解思路，对其进行比较。
 假设函数为：
 $$
@@ -2300,4 +2391,3 @@ $$
 [14]  Quinlan J R. Induction of decision trees[J]. Machine learning, 1986, 1(1): 81-106.  
 [15]  Breiman L. Random forests[J]. Machine learning, 2001, 45(1): 5-32.  
 
-