最小二乘法和梯度下降法有哪些区别?
来源:互联网 发布:python用什么书好 编辑:程序博客网 时间:2024/05/20 14:17
最小二乘法的目标:求误差的最小平方和,对应有两种:线性和非线性。线性最小二乘的解是closed-form即,而非线性最小二乘没有closed-form,通常用迭代法求解。
迭代法,即在每一步update未知量逐渐逼近解,可以用于各种各样的问题(包括最小二乘),比如求的不是误差的最小平方和而是最小立方和。
梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。高斯-牛顿法是另一种经常用于求解非线性最小二乘的迭代法(一定程度上可视为标准非线性最小二乘求解方法)。
还有一种叫做Levenberg-Marquardt的迭代法用于求解非线性最小二乘问题,就结合了梯度下降和高斯-牛顿法。
所以如果把最小二乘看做是优化问题的话,那么梯度下降是求解方法的一种,是求解线性最小二乘的一种,高斯-牛顿法和Levenberg-Marquardt则能用于求解非线性最小二乘。
具体可参考维基百科(Least squares,Gradient descent, Gauss-Newton algorithm, Levenberg-Marquardt algorithm)1.本质相同:两种方法都是在给定已知数据(independent & dependent variables)的前提下对dependent variables算出出一个一般性的估值函数。然后对给定新数据的dependent variables进行估算。
2.目标相同:都是在已知数据的框架内,使得估算值与实际值的总平方差尽量更小(事实上未必一定要使用平方),估算值与实际值的总平方差的公式为:
其中为第i组数据的independent variable,为第i组数据的dependent variable,为系数向量。
1.实现方法和结果不同:最小二乘法是直接对求导找出全局最小,是非迭代法。而梯度下降法是一种迭代法,先给定一个,然后向下降最快的方向调整,在若干次迭代之后找到局部最小。梯度下降法的缺点是到最小点的时候收敛速度变慢,并且对初始点的选择极为敏感,其改进大多是在这两方面下功夫。
本文参考:https://www.zhihu.com/question/20822481
阅读全文
0 0
- 最小二乘法和梯度下降法有哪些区别?
- 最小二乘法和梯度下降法有哪些区别?
- 最小二乘法和梯度下降法有哪些区别? 以及梯度下降法Python实现
- 最小二乘法与梯度下降法有哪些区别?
- 最小二乘法、梯度下降法和两者区别
- 最小二乘法以及最小二乘法和梯度下降法的区别
- 最小二乘法和梯度下降法
- 最小二乘法与梯度下降法的区别?
- 最小二乘法&梯度下降法
- 数据分析---最小二乘法和梯度下降法
- 机器学习:最小二乘法和梯度下降法
- 线性回归最小二乘法和梯度下降法
- 最小二乘法与梯度下降法
- 最小二乘法与梯度下降法
- 最小二乘法的矩阵解法和梯度下降法的区别在哪里
- 最小二乘法和梯度下降法的相同点和异同点
- 最小二乘法和梯度下降法的一些总结
- 梯度下降法和随机梯度下降法的区别
- Android导出aar插件供Unity使用以及通过android scheme启动unityApp
- break用法
- 专属于你自己的vim 神器的打造方式
- 技术面试备忘录,饭可以乱吃,话不能乱说!
- 网络营销策划技巧,90%的人都不懂的思维
- 最小二乘法和梯度下降法有哪些区别?
- linux 安装eclipse
- php mktime函数
- continue用法
- Caffe从入门到精通01
- MFC子窗口和父窗口(SetParent,SetOwner)
- Core Animation实战三(图层几何学)
- 51nod 1113 矩阵快速幂(模板题)
- Java Integer 位操作 reverse