关于机器学习，我对术语偏差和权重有点困惑。

假设我们想预测给定体重的人的身高。因此，将权重绘制到 x 轴，将高度绘制到 y 轴。为了找出身高和体重之间的线性关系，我们画一条直线来显示身高和体重之间的关系。

使用直线方程，你可以写下这个关系

$y= mx+b ...i)$更具体地说，在机器学习术语中它可能是$y= b+ w_1x_1...ii)$

所以这里的 b 是机器学习的偏差。但是，根据数学，b 是 y 截距。通过定义 b 可以在机器学习中定义A value indicating how far apart the average of predictions is from the average of labels in the dataset.平均偏差（b）是红线的某个特定点（根据图片）到真实点（比如蓝色或绿色点）之间的距离。

现在另一个混乱，如果是这种情况，那么什么是损失？根据定义损失是A measure of how far a model's predictions are from its label.那么损失和偏差有什么区别？

现在，对于重量，这里的重量（m）表示根据方程 i）的斜率。数学上的斜率可以定义为

$m = \frac{rise}{run} =\frac{y_2 - y_1}{x_2 - x_1}$

然而，重量$(w_1)$可以在机器学习中定义为A coefficient for a feature in a linear model. 所以我的困惑是，求重量的过程与数学中求斜率的过程是一样的吗？