迴歸問題：採用最小二乘法擬合多元多次函數來構造損失函數

迴歸問題：採用最小二乘法擬合多元多次函數來構造損失函數 第一張圖是當模型爲一元一次函數時的情況，以及其loss函數（二元二次函數）的圖像是如何由函數的子項形成的，以及二元二次函數梯度的不同對學習率的影響。一般來說採用全量梯度下降時函數圖像最陡，批量梯度下降次之，隨機梯度下降或者說逐樣本梯度下降最緩。 第二張圖是採用逐樣本梯度下降的情況。 第三張圖是模型爲二元一次函數時的情況，這時其loss函數爲三

>>阅读原文<<