梯度下降法更新什么数值以最小化损失函数？

我们在训练机器模型的过程中，使用梯度下降法不断更新'参数'，进而使得损失函数最小化。

梯度下降法是一种迭代优化算法，它通过计算损失函数相对于模型参数的梯度，并沿着梯度的负方向更新参数，来逐步降低损失函数的值。

参数是模型中可学习的数值，例如神经网络中的权重和偏差。通过调整参数，我们可以改变模型的预测结果，进而影响损失函数的值。

损失函数衡量的是模型预测结果与真实结果之间的差异。目标是找到一组参数，使得损失函数的值最小化，即模型的预测结果与真实结果尽可能接近。

梯度下降法是一种常用的优化算法，它可以帮助我们找到最小化损失函数的参数。在训练机器模型的过程中，我们使用梯度下降法不断更新参数，直到损失函数的值达到一个最低点。