zoukankan
html css js c++ java
机器学习之梯度下降法
梯度下降法
既然在变量空间的某一点处,函数沿梯度方向具有最大的变化率,那么在优化目标函数的时候,自然是沿着
负梯度方向
去减小函数值,以此达到我们的优化目标。
如何沿着负梯度方向减小函数值呢?既然梯度是偏导数的集合,如下:
同时梯度和偏导数都是向量,那么参考向量运算法则,我们在每个变量轴上减小对应变量值即可,梯度下降法可以描述如下:
以上就是梯度下降法的由来,大部分的机器学习任务,都可以利用Gradient Descent来进行优化。
查看全文
相关阅读:
git的使用
每个JavaScript开发人员应该知道的33个概念
JavaEE实战——XML文档DOM、SAX、STAX解析方式详解
Java-函数式编程(三)流(Stream)
Spring高级装配(二) 条件化的bean
Spring高级装配(一) profile
Spring Bean装配学习
Java7任务并行执行神器:Fork&Join框架
Stream:java1.8新特性
java基础
原文地址:https://www.cnblogs.com/gylhaut/p/9382534.html
最新文章
【gym102394B】Binary Numbers(DP)
【gym102394A】Artful Paintings(差分约束系统,二分)
【BZOJ1098】办公楼biu(补图,bfs,链表)
【CF1250G】Discarding Game(DP)
ethtool命令介绍
nginx使用入门
Node.js入门
Linux块设备相关
Linux文件系统相关
pstack使用入门
热门文章
C++11新特性之move与forward
strace命令入门
Boost.Asio使用入门
数字证书
16道嵌入式C语言面试题
学校的统一订书80%该烧掉——IT推荐书单
数据结构+算法面试100题~~~摘自CSDN
Java基本
XML学习摘要
CAN基础知识
Copyright © 2011-2022 走看看