04 | 函數與優化方法：模型的自我學習（上）

1.損失函數 模型的學習，實際上就是對參數的學習，而參數學習的過程需要一系列的約束，這個約束就是損失函數。 模型一開始什麼也不知道，我們要給它更多的數據。模型每次拿到數據都要將自己的輸出和真實的結果進行比較，如果偏差很大，它就要對這個偏差進行反饋，想辦法減少這種偏差，也就是學習更多的特徵，直到學會如何對輸入數據進行正確的判斷。 假設真實函數爲F(x),擬合出來得函數式爲f(x)，對於每一個樣本點，

>>阅读原文<<