待验证50% 置信事实精确时间
使用均方误差(MSE)作为损失函数时，损失对预测值的负梯度恰好等于残差y-prediction
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证梯度下降通过计算损失函数对模型参数的偏导数，沿梯度反方向更新参数以逼近损失函数最小值75% 相似待验证在高斯输出分布假设下，最小化负对数似然（NLL）与最小化均方误差（MSE）在数学上完全等价73% 相似待验证贝叶斯最优分类器在0-1损失下等价于选择后验概率最大的类别，回归问题中条件期望在平方损失下是最优预测72% 相似待验证均方误差（MSE）代价函数定义为 C(w,b) = 1/(2n) Σ ‖yᵢ − ŷᵢ‖²，每项误差平方后恒为非负71% 相似待验证评估股价预测时，方向准确率和回测收益比 MSE、RMSE 更有意义；一个 RMSE 很低但方向准确率只有 50% 的模型在实盘中无效甚至亏损71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/988619API
curl https://kongchang.com/api/v1/knowledge/claims/988619MCP
get_claim(id=988619)