线性模型 图谱介绍
从零开始，逐步构建并训练线性回归与 Softmax 分类两个神经网络模型，掌握深度学习的核心训练范式
「回归」这个词并不来自计算机——它源自 1886 年 Galton 用一条直线刻画父母与子女身高关系的研究。一百多年过去，模型的规模与结构早已天差地别，但它们从数据中学习的方式仍是同一件事—— 拟合一个模型，再让它依据误差不断自我修正 。
本章节，就从这条直线开始，带你看懂这套贯穿现代 AI 的训练范式。
理解现代 AI，从一条直线开始
现代神经网络并没有抛弃线性模型—— 即便是今天的大模型，大量的层本质上仍是一次线性变换 Wx + b ，再叠加非线性。
对输入加权求和、再加偏置，直接算出预测。
用一个数衡量预测与真实的差距（图中残差线段）。
沿损失下降的方向反复迭代，逐步逼近最低点。
把一组分数压成和为 1 的概率，分数越高概率越大。
训练好的网络在平面上划出分类的决策边界。