反向連結 · 線性回歸

梯度下降優化是一種用於求解目標函數最小化或最大化的數值[[優化算法]]。其核心思想是沿著目標函數[[梯度下降]]的相反方向，以固定或自適應的[[學習率]]逐步調整模型參數使函數值逐步逼近[[局部最小值]]甚至[[全域最小值]]。在[[機器學習]]中，常見的應用包括[[線性回歸]]與[[神經網路]]的訓練，通過計算[[損失函數]]相對於參數的梯度，並依據學習率

## 回歸模型 回歸模型是一種統計方法，用於探索自變量（又稱預測變量）與連續因變量之間的數量關係，從而實現數值預測。通過擬合一個函數形狀，可評估變量間的解釋程度並檢驗假設。 ### 主要類型 - **簡單線性回歸**：僅有一個自變量，假設兩者呈直線關係。 - **多元線性回歸**：包含兩個以上自變量，可捕捉更複雜的交互效應。 回歸模型的估計通常使用最小平方法