「损失函数」与「梯度下降」是机器学习领域经常会遇到的两个概念，了解了这两个概念，对加深机器学习的理解很有帮助。这篇文章我觉得基本把这两个概念讲清楚了，同时不太需要太多数学和机器学习基础。简单来说，损失函数用来评判某个数学方程式（对现实问题的抽象）的准确度，梯度下降用来找到损失函数的值最小时，方程式中的各个系数。训练的过程就是不断调优方程，然后用这个方程对新的输入做出预测。「损失函数」如果换成「偏离函数」(偏离真实值的距离)或许更加容易理解？比如房价与「面积」、「到地铁站的距离」这两个因素相关（现实中还会有更多的相关因素，这里进行了简化）。那么可以用表达式：z = ax + by + c 表示（……