梯度下降法
来源:互联网 发布:ug线切割编程实例 编辑:程序博客网 时间:2024/05/22 12:49
梯度下降法
梯度下降算法是批量梯度下降算法(BGD)、随机梯度下降算法(SGD)、小批量随机梯度下降(MSGD)算法的总称
批量梯度下降算法是对所有样本求平均梯度后更新,随机梯度下降算法是随机选取一个样本计算梯度更新,小批量随机梯度下降算法是随机将所有样本分为几部分,然后选择一份求平均梯度更新。
批量梯度下降(Batch gradient descent):
使用所有样本更新参数
code:
for i in range ( nb_epochs ): params_grad = evaluate_gradient ( loss_function , data , params ) params = params - learning_rate * params_grad
随机梯度下降(Stochastic gradient descent):
使用当前训练的样本更新参数
code:
for i in range ( nb_epochs ): np. random . shuffle ( data ) for example in data : params_grad = evaluate_gradient ( loss_function , example , params ) params = params - learning_rate * params_grad
小批量梯度下降(Mini-batch gradient descent):
使用小批量,n个样本更新参数
code:
for i in range ( nb_epochs ): np. random . shuffle ( data ) for batch in get_batches (data , batch_size =50): params_grad = evaluate_gradient ( loss_function , batch , params ) params = params - learning_rate * params_grad
对批量梯度下降法和随机梯度下降法的总结:
批量梯度下降---最小化所有训练样本的损失函数,使得最终求解的是全局的最优解,即求解的参数是使得风险函数最小,但是对于大规模样本问题效率低下。
随机梯度下降---最小化每条样本的损失函数,虽然不是每次迭代得到的损失函数都向着全局最优方向, 但是大的整体的方向是向全局最优解的,最终的结果往往是在全局最优解附近,适用于大规模训练样本情况。
References
【1】Ruder S. An overview of gradient descent optimization algorithms[J]. arXiv preprint arXiv:1609.04747, 2016.
阅读全文
0 0
- 梯度下降法
- 梯度下降法
- 梯度下降法
- 梯度下降法
- 梯度下降法 简记
- 梯度下降法一
- 梯度下降法二
- 梯度下降法三
- 梯度下降法
- 梯度下降法实例
- 梯度下降法
- 梯度下降法
- 随机梯度下降法
- 梯度下降法
- 梯度下降法
- 梯度下降法
- 梯度下降法入门
- 梯度下降法
- 获取窗口大小
- servlet和tomcat关系
- hdu 5128 The E-pang Palace 大力判矩形相交
- Java8学习记录(三)-强大的collect操作
- 线程——创建和启动
- 梯度下降法
- 二分查找第一个比k大的数
- 登陆界面上下左右居中自适应屏幕显示的简单实现
- 排序(三):插入排序
- java代码 调用 存储过程
- wordprass portfolio作品集内容页调用当前分类名称方法
- 线程——生命周期
- [4]560. Subarray Sum Equals K(Java)
- POJ 2229 Sumsets