关于梯度下降的的一些理解
2016-01-13 23:44
337 查看
印象特别深的就是那个站在小山上,寻找最快下山的路径的描述:站在小山上,每往下走一步,就观察一下,看是
不是最快的下山的路,每次的观察,就是寻找最优的thet的方法。
梯度下降是伴随回归问题的,一般,梯度下降是为了求出回归问题的参数thet的最优解。
下面贴一个网址,有C代码,我就不献丑了
/article/2659665.html
在上面博客里的代码我们能够清晰的发现,批梯度下降和随机梯度下降的差别就在于:批梯度下降是每走
一步,都会把所有的训练集训练一遍,而随机梯度下降,走一步就只用一个训练集来训练。
相关文章推荐
- java-数组3
- java-数组概念总结(
- Android开发 旋转屏幕导致Activity重建解决方法(转)
- 【HTML/XML 7】CSS层叠样式表
- 【HTML/XML 7】CSS层叠样式表
- hdu 1402 FFT(模板)
- hdu 1402 FFT(模板)
- 懒加载的思想以及实现
- 安卓新闻客户端
- 部署Oracle Data Guard
- C语言读取汉字字模
- ios-AutoLayout(自动布局代码控制)简单总结
- Android 性能测试
- AES加密文件
- os x下 apk逆向工程利器 AndroidCrackTool for Mac 最新版
- 【Android 5.1.1_r1+Nexus4】Android源码的下载、编译到刷机
- 数列求和 0,1,1,2,3,5,8,13,21,34........Java
- leveldb代码阅读(1)——leveldb介绍以及使用
- java-数组2
- Linux监控工具介绍系列——free