1807年至1810年柯西在工学院学习，曾当过交通道路工程师。由于身体欠佳，接受了拉格朗日和拉普拉斯的劝告，放弃工程师而致力于纯数学的研究。柯西在数学上的最大贡献是在微积分中引进了极限概念，并以极限为基础建立了逻辑清晰的分析体系。这是微积分发展史上的精华，也是柯西对人类科学发展所做的巨大贡献。
有时看着这些密密麻麻的桥梁力学上的各种数据，柯西陷入沉思，在想这些数据意味着什么。
意味着不同的桥梁之间，这些数据是不同的。
但是差不多相同的桥梁，数据之间或许会有某种联系。
但数据过多，能不能处理成少些的有代表性的数据来体现这两个桥的联系？
或者找到关键数据来看看两个桥梁之间的不同。
这就需要一种把大量数据化简的能力，来识别不同桥梁，来识别桥梁出现的各种特征。
需要高维度性质的数据，向低维度数据转化。
在高维数据向低维数据转化时，使用最小二乘法的误差会有些大。
图形处理识别中，会用到降维算法。
柯西估计可以计算监督降维算法。
在样本生产过程中，由于训练是认为处理，一个不当操作的误差会导致生成大量不准确样本，而这些错误不可避免，所以识别率也会下降。
解决的方法是设计损失函数时，用柯西损失代替最小二乘法损失。
使用knn方法来找不同样本的特征时，由于距离小，不方便提取重要的区别信息。
所以要把距离改大些，才能更好的提取特征进行识别。
柯西估计写出了估计公式ζ（x）=log(1+(x\/c)^2)。