📌1. Зачем нужны функции
Любая модель машинного обучения (ML) — это, по сути, функция.
Ты подаёшь x → получаешь прогноз y.
Всё, что делает алгоритм — подбирает параметры, чтобы эта функция максимально точно описывала реальную зависимость.

📌2. Зачем знать тип функции
Ты должен понимать форму зависимости:
➖Она прямая (рост без изгиба)? → Линейная.
➖Она с изгибом, минимум или максимум? → Квадратичная или полиномиальная.
➖Зависимость растёт очень быстро? → Экспонента.
➖Нужно «развернуть» экспоненту? → Логарифм.
➖Нужно найти «обратное к квадрату»? → Корень.

📌3. Как запомнить на смысловых образах

✅Линейная: Прямая линия
➖ Смысл: «Добавил — выросло ровно».
➖ Где в ML: Линейная регрессия — простейшая модель.
Пример:
➖ Кол-во часов учёбы → оценка.
➖ Чем больше учишься, тем выше результат (если зависимость прямая).

✅Квадратичная: Парабола (U или ∩)
➖ Смысл: «Есть изгиб. Что-то сначала растёт, потом падает (или наоборот)».
➖ Где в ML: Ошибки, функции потерь, полиномы.
Пример:
➖Скорость машины и расход топлива: при низкой и высокой скорости расход больше — минимум в середине.

✅Показательная: Взрывной рост/спад
➖Смысл: «Малое x → y почти не растёт. Чуть больше x → y резко растёт».
➖Где в ML: Логистическая регрессия, softmax.
Пример:
Вирус или деньги под процент → растут экспоненциально.

✅ Логарифм: Обратная экспонента
Смысл: «Сколько шагов надо, чтобы достичь значения».
➖Где в ML: Кросс-энтропия, обработка вероятностей.
Пример:
Шум в децибелах — измеряется логарифмом.

📌4. Зачем ОДЗ(Область допустимых значений) и область значений
🔑 Коротко:
➖ОДЗ: какие входы x допустимы.
➖Область значений: какие выходы y возможны.

Если ты понимаешь форму функции, ты всегда знаешь:
➖ где она не определена (корень или логарифм),
➖ какие y получаются — это важно для проверки ошибок, нормализации и интерпретации.

📌 5. Как применять в ML
Линейная: простые зависимости.
➖ Квадратичная: учёт изгибов.
➖ Корень: RMS-ошибки.
➖ Экспонента: вероятность события.
➖ Логарифм: измерить инфу или вероятность в «удобных» шкалах.

Ты не считаешь их руками — ты понимаешь форму зависимости.
Весь смысл: видеть, что модель делает — прямую линию или изгиб.

🗝Мини-лайфхак
➖ Видишь квадрат → будет парабола.
➖ Видишь корень → проверь знак под корнем.
➖ Видишь логарифм → внутри > 0.
➖ Видишь показательную → y всегда > 0.
➖ Линейная — ничего не ломается.