👆 點擊畫布新增資料點
📉 訓練狀態
Loss (MSE)
0.00
迭代次數 (Step)
0
📐 回歸方程式
y = 0.00x + 0.00
互動式機器學習教學：梯度下降法視覺化
線性回歸是一種尋找變數間線性關係的方法。
目標是找到一條直線 y = mx + b，使所有資料點的預測誤差平方和（或平均平方誤差）最小。
想像在下山，我們沿著最陡的方向（梯度）一步步往下走。
學習率決定了步長：太大可能走過頭，太小則走太慢。
衡量預測值與真實值的差距平均
線性方程式