待验证50% 置信事实精确时间

线性回归的损失曲线呈凸碗形，凸性保证优化存在唯一的全局最小值，梯度下降不会陷入局部最优

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

概率机器学习实战：从损失函数到深度神经网络的代码验证

涉及实体

线性回归concept 梯度下降concept

相关事实

待验证前景理论的核心发现是损失厌恶，损失曲线的斜率远陡于同等幅度收益曲线的斜率76% 相似已验证梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛75% 相似待验证逻辑回归的损失函数是凸函数，梯度下降一定能收敛到全局最优解74% 相似待验证线性评估函数在参数空间中是凸的，意味着梯度下降类方法能够找到全局最优解73% 相似待验证为几个百分点的榜单差距进行定向优化是本末倒置，评估模型时不应盲目迷信榜单排名71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/901108

API

curl https://kongchang.com/api/v1/knowledge/claims/901108

MCP

get_claim(id=901108)