update readme

CH6/README.md

@@ -20,7 +20,7 @@
 
 ## 模型
 
-
+> Logistic regression is a special case of maximum entropy with two labels +1 and −1.
 
 ### 逻辑斯谛回归模型
 
@@ -174,6 +174,7 @@ $h(x)=-\log_2{p(x)}$, 符号保证了非负性. 低概率事件对应了高的
 
 
 
+
    CNN时候常用
 
 对于各种熵的理解, 是构建后面的目标函数的基础.
@@ -314,6 +315,8 @@ $$
 
 这里面并不是因为概率为1推导出了$Z_w$的表达式, 而是因为$Z_w$的位置在分母, 然后对应位置$\exp(1-w_0)$也在分母, 凑出来这样一个表达式, 意思就是遍历y的所有取值, 求分子表达式的占比.
 
+综上, 如果$f_i(x,y)$只检测是不是存在这种组合, 那么概率就是*归一化的*出现过的特征, 系数求和再取e指数.
+
 #### 最大熵模型的学习
 
 最大熵模型的学习过程就是求解最大熵模型的过程.
@@ -458,5 +461,7 @@ $$
 1. [理论简介](https://vimsky.com/article/714.html)  [代码实现](https://vimsky.com/article/776.html) 
 1. [另外一份代码](https://github.com/WenDesi/lihang_book_algorithm/tree/master/maxENT)
 1. [如何理解最大熵模型里面的特征？](https://www.zhihu.com/question/24094554)
+1. [Iterative Scaling and Coordinate Descent Methods for
+   Maximum Entropy Models](https://www.csie.ntu.edu.tw/~cjlin/papers/maxent_journal.pdf)
 
 

README.md

@@ -62,6 +62,10 @@ $$P_\lambda(X^{(j)}=a_{jl}|Y=c_k)=\frac{\sum_{i=1}^{N}{I(x_i^{(j)}=a_{jl}, y_i=c
 
   > Logistic regression, despite its name, is a linear model for classification rather than regression. Logistic regression is also known in the literature as logit regression, maximum-entropy classification (MaxEnt) or the log-linear classifier. In this model, the probabilities describing the possible outcomes of a single trial are modeled using a [logistic function](https://en.wikipedia.org/wiki/Logistic_function).
 
+- 还有[这样的描述](https://www.csie.ntu.edu.tw/~cjlin/papers/maxent_journal.pdf)
+
+  >Logistic regression is a special case of maximum entropy with two labels +1 and −1.
+
 ## CH7 支持向量机
 
 [Support Vector Machines, SVM](CH7/README.md)