偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据，如下图第二行所示。
方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，如下图右列所示。
在回归问题的第三步中，需要解决下面的最优化问题：
θ∗=arg minL(θ)
我们要找一组参数 θ ，让损失函数越小越好，这个问题就可以用梯度下降法解决：
然后分别计算初始点处，两个参数对 L 的偏微分，然后 θ 减掉 η 乘上偏微分的值，得到一组新的参数。同理反复进行这样的计算。黄色部分为简洁的写法，▽L(θ) 即为梯度。
随机梯度下降
原有梯度下降计算Loss的方法是将所有的sample数据计算之后加和后才做梯度下降
但Stochastic Gradient Descent(随机梯度下降)不同，他每次只取一个example xn（如果是在做deep learning，面对的error不是convex（凸），随机取是非常有帮助的）Loss只考虑xn的影响，不考虑其他，计算梯度的时候也是只考虑xn的。
如下图所示，左图是将所有的sample都加起来之后才更新一次参数，右图是每考虑一个sample就更新一次参数。左图看起来很稳定，但是较慢，右图较快。
Feature Scaling
特征缩放针对的是如果一种事物的几种特征之间相差的数量级过大，就会造成数量级小的特征失去作用。
左边当model中输入的x1的范围在1~10，而x2的范围在100~1000，那么w1x1对y的影响一定比w2x2对y的影响要小。同理，w1x1对loss的影响一定比w2x2的影响要小。对应于三维图中的第一个图，想象平行于w1切一刀，得到的截面是较平缓的，w1x1对loss的影响较小，平行于w2做截面得到的曲线较陡峭，w2x2对loss的影响较大。并且在更新参数w1,w2的时候，需要不断地loss对参数求导，而不是直接向着最小loss，走的路径更加曲折，收敛速度慢。如果做了scaling之后，x1,x2的取值范围相同，那么w1x1,w2x2对函数的影响就差不多，对loss的影响也差不多，他们对loss的影响趋近于右边的三维图。并且对参数更新求导的时候几乎是向着最小loss的，走的路径更加平缓，收敛的速度更快，这样会比较容易update参数。
Feature Scaling 方法
假设有R个sample，每个sample里有一些特征，分别为x1,x2,x3·····。对于每一个特征，求他在所有样本里的均值m以及标准差 σ。
通过减去均值然后除以方差（或标准差），这种数据标准化方法经过处理后数据符合标准正态分布，即均值为0，标准差为1.
