1.梯度下降

w 新 = w旧 - 学习率×梯度

训练的目的就是让 loss 减小

2.前向传播进行预测，

反向传播进行训练(每一个参数通过梯度下降进行更新参数)，(1前向传播 2求 loss 3反向传播 4梯度更新)

能够让损失下降的参数，就是更好的参数。

损失是真实值和预测值之间的差距(模型训练的目标就是使得损失变小，即真实值和预测值更加接近)

 

 

 

3.正则化就是对于数据进行纠正

L2正则转换的结果是都是0到1之间的数，让所有的数据的平方和为1。作用让数值不要太大，或者让参数的数据分布相对统一一些。