监督学习从标注数据中学习映射 f: X→Y。线性回归假设关系是线性的，通过最小化 MSE 找到最优权重 w 和偏置 b。
MSE = 0.1467
相关演示
机器学习核心 · 第 1 章总进度 4/8回归分类过拟合
线性回归
拟合 · 损失 · 参数
与 AI 的联系
- 特征工程：传统 ML 依赖人工设计特征，深度学习自动学习表示。
- 评估先行：先定指标再选模型，避免「刷准确率」的陷阱。
- 泛化能力：目标是未见数据上的表现，而非训练集记忆。
监督学习从标注数据中学习映射 f: X→Y。线性回归假设关系是线性的，通过最小化 MSE 找到最优权重 w 和偏置 b。
MSE = 0.1467
相关演示