La fonction de perte la plus couramment utilisée dans la régression linéaire est la fonction de perte Erreur Quadratique Moyenne (MSE). Cette fonction est la distance euclidienne au carré entre la valeur réelle de la variable et la valeur que nous avons obtenue en utilisant l'approximation de régression linéaire. Étant donné qu'il s'agit d'une fonction de plusieurs variables, nous pouvons l'optimiser en utilisant la descente de gradient.

Votre tâche est d'utiliser la méthode d'optimisation pour trouver les meilleurs paramètres de la fonction de régression linéaire :

1. Créez une variable initial_params qui stockera les valeurs initiales des paramètres de la fonction de régression linéaire.
2. Fournissez la minimisation de la fonction MSE.
3. Obtenez les valeurs optimales résultantes des paramètres.

Note

Vous pouvez trouver plus d'informations sur la régression linéaire dans le cours Régression Linéaire avec Python.