一、梯度下降法 （梯度即导数）

1. 寻找极小值的一种方法。通过向函数上当前点对应梯度（导数）的反方向的规定步长距离点进行迭代搜索，直到在极小点收敛。
   

2. 核心：从一个点出发，沿着导数的反方向逐步逼近极值点。 
   

梯度下降法：

梯度下降举例：求极小值点

例子2:回归问题

例子2:回归问题：如何找合适a，b？方差（损失函数）最小

例子2:回归问题：如何找下一个点

例子2:回归问题：求解效果

梯度下降法

1. 梯度下降法

   

2. 梯度下降法举例

   

3. 核心：从一个点出发，沿着导数的反方向逐步逼近极值点

4. 回归问题求解

   

   

   

回归问题求解：

建立模型得到面积和房价的关系

先假设存在一个线性关系，y=ax+b，查找合理的a和b的过程

通过人眼来看，如何计算机寻找合适的a和b的核心思路。

距离的平方之和最小。

梯度下降法，能够找到极值点

能实现上面最小的时候，下面的式子也是最小的。

慢慢寻找极小值对应的a和b的值。

梯度下降法

模型求解(AI相关的模型)与梯度下降法

偏导数，用于两个或以上的自变量的情况

寻找适合的a 和 b 值

目标：尽可能使模型模拟出来的y值接近实际的y值，使两者差值的平方最小化

引入损失函数，使导数后的平方抵消，由于存在m个样品，也除以m

应用梯度下降法来计算收敛

最后获得一条最优解