本文记录了作者听吴教授讲解梯度下降算法后的感悟，包括批量梯度下降、随机梯度下降等概念，并探讨了如何利用梯度下降算法找到下山最短路径的例子。此外，还提到了最小二乘法的基本原理及其在数据分析软件Matlab中的应用。
刚才听了吴教授的第二堂课，些许感悟，记录一下：
吴教授讲到了算法，重点是讲梯度下降算法，这里面又包括批量梯度下降，遍历，迭代，随机梯度下降，他举了个例子，三维公园的两座小山，半山腰处如何下山的距离最小，用到了梯度下降算法。
对于老师拿着本子列公式，我是有异议的，这个公式的板书，不应该总盯着讲义吧，总该自己脑子里面有基本的思路，有时候板书还写错，心里就不爽，要是这样的话，把讲义给我，我也能当大学老师了，嘿嘿。算法的推导确实是很难，但是还是遵循了了一定的逻辑，首先确定方向，即下山的最小距离即最小值的问题，其次用的是变量，变量是一个矩阵，矩阵是数的组合，最后推导的结果是由变量和数组推导出来的。
最后提到了一个最小二乘拟合的问题，没听明白，我百度了一下，最小二乘法又叫最小平方法，是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配，
我姑且称它为小二，小二在老师说的那个数据分析软件Matlab中有实现，在这里就不搞公式了，看着都头大。。。。
兴趣过后，就是枯燥的学习，万丈高楼平地起，做好自己能做的，平常心平常心，我想李晨了，呵呵
扫一扫
3185
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
