但是，其实，根据李宏毅老师讲到的，generative model是做了一些假设的，比如，如果使用Naive Bayes的话，不同特征x1,x2...之间相互独立的话，其实是很容易出现较大的偏差的，因为不同特征变量xi之间实际是存在联系的，并不是独立的
当然，generative model在训练集很少，或者label存在问题等时候，是优于 discriminative model的，但是，通常情况下，discrimitive model 都是更优的
Naive Bayes的分类方法
原来softmax这个过程，主要就是进行 《拉大》“大的值”和“小的值”之间的差距，这也就是为什么叫做soft_max的原因,《拉大》的实现，就是下面取指数exponential
总的来说，Logistic regression这个逻辑回归，主要是用在 “classify分类的问题上”
(1)它是具备一定的局限性的:
如果只用1个logistic regreesion的话，下面就没办法进行二分类
(2)由于上述出现的问题是由于[x1,x2]这个feature本身的问题，所以考虑讲[x1,x2]统统进行一次transform得到[x1',x2']，然后，这个二分类又可以实现了
(3)不过呢，这个transform本身也可以不要“人为”的去想，而是利用 《多个logistic regreesion》进行实现，所以，每个logistic regression都作为一个neuron的话，那么就可以搭建起来一个 neuron network，也就是deep learning
