1.线性回归
均方误差也称为平方损失。是回归任务中最常用的性能度量。可以试图让均方误差最小化。
均方误差的几何意义对应了常用的欧几里得距离,简称欧氏距离,
基于均方误差最小化来进行模型求解的方法称为最小二乘法。
在线性回归中,最小二乘法就是试图找到一条直线,让所有样本到直线的欧氏距离之和最小。
梯度下降法的核心,是最小化目标函数 J(θ),其中θ是模型的参数,θ∈Rd。它的方法是,在每次迭代中,对每个变量,按照目标函数在该变量梯度的相反方向,更新对应的参数值。
理解梯度下降,代价函数等