线性回归理论（下）——梯度下降法和性能评估

在上一篇推文《看不懂机器学习入门教程？树根尝试着一种新的方式让你入门！》中，树根讲了线性回归理论的上部分：线性回归概述和损失函数。

这一次树根会继续以视频的形式去讲接下来的下部分：

首先大致讲梯度下降法的直观理解；

然后讲模型训练中的两个重要概念——方差和偏差；

最后讲回归中四个重要的性能评估指标——平均绝对误差(MAE) 、均方误差(MSE)、方均根差 (RMSE)、R平方。

第二小节线性回归的理论部分(下)

（时长大约43分钟）

1.梯度下降法

(1)梯度下降法的直观理解

(2)局部最优和全局最优

(3)梯度下降法与矩阵直接求解的比较

2.如何判断回归算法可行

(1)方差和偏差

(2)正则化

(3)回归常用评估指标

不知道可不可以让树根收回成本，还给同学呢？每小节收3.33元可以吗？

在下一次推文，树根会推出线性回归的案例代码讲解部分。