超级会员免费看
本文探讨了数据归一化在梯度下降中的重要性，解释了不同维度数据对梯度下降速度的影响。通过举例说明，阐述了如何使用numpy和sklearn进行数据归一化，确保不同特征的收敛同步，加速训练过程。通过归一化，数据趋向于符合正态分布，有利于优化过程。
然后我们再来看一下归一化,之前已经看过了,这里再说一下
可以看到对于梯度下降来说,如果参数很多,维度很多,那么不同维度上的梯度陡峭度是不一样的
可以看到在不同维度上的梯度下降的速度也是不一样的,因为有些度量的单位不一样
可以看到超平面这个就是说维度的概念.
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
