在知道ML的應用和基礎，如何實際上陣面對現實問題仍需要讓ML模型在學習中不斷進步，因此我們需要能有評估效能的方法，並利用loss function作為梯度下降等演算法的依據不斷優化模型。
我們定義loss function做為我們優化模型的指標，因為以一個三維空間的山谷模型來看，谷底是我們最佳的答案則
我們該往哪走?一步走多遠?引入微積分梯度的基礎概念與數學運算，則梯度下降(Gradient Descent)方法誕生引領我們找到答案
當然這是最陽春的方法，勢必有不少挑戰仍要修正，走錯路也是有可能，跑太快也是(像下圖)
iThome鐵人賽
看影片追技術