Cada exemplo empurra os pesos para um lado. Se o modelo corrigisse apenas uma vez, ele se ajustaria a um único caso e erraria nos demais. A correção precisa ser repetida muitas vezes, com exemplos variados, para que os pesos se acomodem em uma posição que funcione bem para o conjunto.
Dois exemplos que puxam para lados opostos
Imagine que o modelo deva prever se uma pessoa vai comprar um produto. No primeiro exemplo, a pessoa comprou; no segundo, não comprou, mesmo com características parecidas. Se o modelo corrigir os pesos apenas com o primeiro exemplo, ele passará a prever 'compra' para casos semelhantes. Ao ver o segundo exemplo, precisará corrigir de novo, no sentido oposto. Só depois de muitos exemplos os pesos encontram um equilíbrio que acerta a maioria.
Uma única correção não basta porque cada exemplo puxa os pesos para um lado diferente. O aprendizado acontece na repetição dessas pequenas correções, até que os pesos funcionem bem para o conjunto todo.