文件名称:
优化算法之梯度下降（Gradient Descent）
开发工具:
文件大小: 164kb
下载次数: 0
上传时间: 2021-01-20
详细说明：一、梯度下降法
重申，机器学习三要素是：模型，学习准则，优化算法。这里讨论一下梯度下降法。
通常为了充分利用凸优化中的一些高效成熟的优化方法，像：共轭梯度、拟牛顿法等，所以呢很多的机器学习算法倾向于选择合适的模型和损失函数来构造一个凸函数作为优化的目标。但是呢，也有一些模型（例如神经网络）的优化目标是非凸的，以至于只能找到其局部最优解。
机器学习中，常用的优化算法就是梯度下降法，首先初始化参数θ0\theta_0θ0,然后按照下列公式进行参数的更新：
θt+1=θt−α∂R(θ)∂θ(式1)
\theta_{t+1}=\theta_t-\alpha\cfrac{\partial\mathca
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
