1 随机试验 2 样本空间、随机事件 3 频率与概率 4 等可能概型（古典概型） 5 条件概率 6 独立性

当试验的样本空间中样本点结构比较复杂时，需要仔细构造样本空间。例如，向目标射击3枪，观察每一枪是否击中目标的试验，如果将射中目标记为1，未击中目标记为0，则一个样本点可表示为一个3元组 ( i , j , k ) (i,j,k) (i,j,k)。其中的每个分量取值为0或1。这样样本空间可以视为对有限集合 { 0 , 1 } \{0, 1\} {0,1}，作具有3个元素 的可重排列构成的集合。再比

上一节说到经过全连接层之后，神经网络学习到的特征，会从隐层特征空间逐步映射到样本空间，这主要是由于全连接层可以融合全局的特征。 在经过全连接层之后，在 ResNet50 这个神经网络中会输出1000个特征的得分值，这1000个特征的得分值，便可以对应到图像的分类。 怎么对应呢？选取得分最高的那一个特征，它对应的索引下标就是图像分类的索引下标。 这里简单说一下 ResNet50 模型训练时所采