使用随机梯度算法对高斯核模型进行最小二乘学习法

本文介绍了使用随机梯度下降法对线性模型进行最小二乘学习的具体步骤,包括初始化参数θ,随机选取样本,根据梯度方向更新θ直至收敛等关键环节。

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

使用随机梯度算法对线性模型进行最小二乘学习法的算法流程:

①. 给θ以适当的初值。

②. 随机选择一个训练样本(例如,选择顺序为 的训练样本( , ))。

③. 对于选定的训练样本,采用使其梯度下降的方式,对参数θ进行更新。

在这里, 是名为学习系数的无穷小正标量,表示梯度下降的步幅。 是顺序为 的训练样本相对应的训练平方误差的梯度,表示梯度下降的方向。

④.直接解 达到收敛精度为止,重复上述②、③步的计算。

转载于:https://my.oschina.net/magicalee/blog/1518232

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