Features
點圖切換：亮起啟用、暗下停用
OUTPUT · 最終預測
0 次更新（Epoch）
訓練 MSE — · 比較 MSE —
尚未訓練。
逐層數值與連線權重
精確編輯資料點
鍵盤也能新增、選取、修改、刪除。x 與目標 y 範圍皆為 -2 到 2，最多 150 點。
| 選取 | 用途 | x | 目標 y | 預測 y |
|---|
進階設定
SGD／mini-batch
B 是本次抽到的訓練點，此處 a 是所有權重與偏置（參數向量），不同於逐層圖的神經元輸出 a，η 是學習率。Batch size＝1：SGD；大於1但少於全部：mini-batch；使用全部點：全批次。
以上是 Momentum＝0、未使用正則化時的更新式；開啟 L2 會加入權重約束梯度，Momentum 則會累積先前更新方向。
Momentum（動量）：μ 保留先前更新方向，初始速度 v₀＝0。
Decay（學習率衰減）：d 是衰減強度，t 是已更新次數，η₀ 是起始學習率；關閉時 d＝0。
開啟 L2 時，gₜ 另加上 L2 梯度：權重增加 λw，偏置不加約束。
MSE（平均平方誤差）
n 是計算使用的資料點數，ŷ 是模型預測，y 是目標值。
限制權重變得太大，看看模型如何改變。強度太高也可能學不好。
L2：權重平方總和。
λ 是約束強度，w 包含所有連線權重，不含偏置 b。MSE 是本次更新使用資料的平均平方誤差；畫面訓練 MSE 以全部訓練點計算。