【1】引言
前序学习进程中，学习了scikit-learn/sklearn学习|广义线性回归 Logistic regression的三种成本函数，这里先回过头来认识一下广义线性回归的损失函数。
【2】损失函数
广义线性回归的损失函数表达式为： min w 1 2 n s a m p l e s ∑ i d ( y i , y i ^ ) + α 2 ∣ ∣ w ∣ ∣ 2 \min_{w}\frac{1}{2n_{samples}}\sum_{i}d(y_{i},\hat{y_{i}})+\frac{\alpha}{2}||w||^2 wmin2nsamples1i∑d(yi,yi^)+2α∣∣w∣∣2
上式中， α \alpha α是大家熟悉的惩罚项强度
稍微陌生的却是前半部分偏差 d ( y i , y i ^ ) d(y_{i},\hat{y_{i}}) d(yi,yi^)，它有多种表达形式，将是接下来一段时间的学习要点。
【3】总结
认识了广义线性回归损失函数的基本表达式。