机器学习速成课程—02, 线性回归，训练模型和损失

线性回归，顾名思义，线性指的是自变量和因变量之间的映射关系是线性的，即

y1=mx+b，

此处的y是预测值，并不是真实测量值，它与测量值即真实值之间的差距就是损失。预测值与真实值之间的损失越小，表明模型越准确。

通过训练过程，可以找到权重和偏差的最优值。在监督学习中，机器学习算法通过以下方式构建模型：检查多个样本并尝试找出可最大限度地减少损失的模型；这一过程称为经验风险最小化。

训练模型的目标是从所有样本中找到一组平均损失“较小”的权重和偏差。

最常见的损失函数是均方误差函数，指的是每个样本的平均平方损失。也就是求出所有损失的平方和，再除以样本的个数。