勾配降下法

勾配降下法とは、機械学習において、モデルの予測誤差（損失関数）を最小化するためのパラメータを見つける最適化アルゴリズムである。関数の形状を山や谷に見立て、現在の地点から最も急な下り坂（勾配）の方向に少しずつパラメータを更新していくことで、最も低い場所（最適解）を目指す。AI学習の根幹をなす技術であり、確率的勾配降下法（SGD）やAdamなどの改良版が広く使われている。