梯度下降算法
来源:互联网 发布:js字符串叠加 编辑:程序博客网 时间:2024/05/22 06:37
梯度下降算法
以下是对吴恩达老师机器学习视频的个人概括
对于一组数据,当我们用线性函数h(θ)来拟合时,拟合效果的好坏取决于方程的斜率和截距,而如何找到拟合效果最好的线性函数,我们需要用到代价函数,代价函数越小,拟合效果越好。
而梯度下降算法就是利用斜率与学习率的乘积决定步长,从而求解局部最小值的算法,来求得代价函数的最小值,其公式如下所示。
而代价函数是两元两次方程,所以,我们对其求偏微分,公式如图所示。
通过不断的迭代,我们可以求得了代价函数的局部最小值对应的θ1,θ2,局部最小值不一定为最小值,所以,我们取不同的起点,最后,把所有得到的局部最小值进行对比,取得最小,也就得到了最小值。
阅读全文
0 0
- 梯度下降算法与随机梯度下降
- 随机梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法详解
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- 梯度下降算法
- Ubuntu提示boot分区剩余空间不足或boot分区已满
- 语义网络,语义网,链接数据和知识图谱
- G2. 唐纳德与子串 (Hard)kmp
- mysql数据库开启innodb储存引擎方法
- 第十四周 项目三 B_树的基本操作
- 梯度下降算法
- 项目需求
- stopPropagation&&preventDefault
- Poj Pre-Post-erous!
- jquery实现全选反选操作
- EOJ Monthly 2017.12 易位构词(贪心+STL特性容器 +头文件<bits/stdc++.h> )
- 省选专练SHTSC2002舞会
- 关于String.intern()
- (七)Selenium库