机器学习之降低损失(Reducing Loss)

为了训练模型，我们需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法。

一、迭代方法： 一种迭代试错，优化模型的方法

机器学习算法用于训练模型的迭代试错（迭代方法）过程：

简单来说，迭代方法就是将模型预测值与实际值之间的误差值反馈给模型，让模型不断改进，误差值会越来越小，即模型预测的会越来越精确。

在训练机器学习模型时，首先对权重和偏差进行初始猜测，然后反复调整这些猜测，直到获得损失可能最低的权重和偏差为止。

学习链接： https://developers.google.cn/machine-learning/crash-course/reducing-loss/an-iterative-approach

二、梯度下降法： 一种快速找到损失函数收敛点的方法

回归问题所产生的 损失与权重值的图形 （损失曲线）始终是 凸形