一、损失函数
使用残差绝对和获取最小值的问题，可以避免由于正负误差相互抵消的问题。但是在求函数最值问题，一般是求导问题时，有绝对值不利于求导，因此使用残差平方和。
损失函数的2个性质：
非负性：保证样本误差不会相互抵消
一致性：损失函数的值和误差变化一致
所以说，确定未知参数，也就是确定损失函数值最小。回归到数学上，也就是解决最小值的问题。（极值问题）
二、最小二乘法
使用tensorflow实现一元线性回归的问题
三、数据可视化
相关文章：
相似解决方案
热门标签
一、损失函数
使用残差绝对和获取最小值的问题，可以避免由于正负误差相互抵消的问题。但是在求函数最值问题，一般是求导问题时，有绝对值不利于求导，因此使用残差平方和。
损失函数的2个性质：
非负性：保证样本误差不会相互抵消
一致性：损失函数的值和误差变化一致
所以说，确定未知参数，也就是确定损失函数值最小。回归到数学上，也就是解决最小值的问题。（极值问题）
二、最小二乘法
使用tensorflow实现一元线性回归的问题
三、数据可视化
相关文章：