随机梯度下降和批量梯度下降的区别

最近，看了斯坦福大学讲的梯度下降算法的视频，对其中的批量梯度下降算法(batch gradient descent algorithm，BGD)和随机梯度下降算法(Stochastic gradient descent algorithm，SGD)的区别还是不太理解。在网上查了一下，给出自己的理解：

样本个数为m，x为n维的向量。

（1）批量梯度下降：

权值更新公式：

从公式中可以看出，批量梯度下降算法每迭代一步，要用到训练集的所有样本，最后得到的是一个全局最优解。

（2）随机梯度下降：

权值更新公式：

也是看公式，能够发现随机梯度的权值更新公式里调整项没有累加符号，说明随机梯度下降中只用到了训练集的一个样本，最后得到的可能是全局最优解，也可能是局部最优解。