第十周(大规模机器学习)-【机器学习-Coursera Machine Learning-吴恩达】

本文介绍了随机梯度下降算法的基本原理及其应用场景。该算法通过每次迭代仅关注一个样本的方式进行参数调整,有效降低了计算复杂度。此外,还对比了随机梯度下降、批量梯度下降及小批量梯度下降三种方法的优缺点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录
处理大数据集:
    随机的梯度下降

    映射化简

1 随机的梯度下降

 - 随机梯度下降算法


对于每一次迭代,只需要对一个样本拟合好就可以了。

它只需要一次关注一个样本一点点进行参数调整,这样不需要每一次都等到对所有数据进行扫描,从而降低复杂度

 - 效果图:


(实际上随机梯度下降会在最靠近全局最小值的区域内徘徊)

小批量梯度下降


三种梯度下降的比较:


2 先进的主题:

1)在线学习
2)MapReduce和并行算法

错题
http://blog.youkuaiyun.com/mupengfei6688/article/details/53151740
http://blog.youkuaiyun.com/nobmr/article/details/52145787



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值