ML笔记-matrix fundamental, Gradient Descent

本文介绍了矩阵基础,包括基本概念和计算。随后探讨了梯度下降法,并指出当输入值范围不一致时,梯度下降可能会低效震荡。为了优化这一过程,建议通过特征缩放和均值归一化来调整输入值的范围,使其接近-1到1或-0.5到0.5。特征缩放是将输入值除以其范围,而均值归一化则是减去输入变量的平均值,确保输入变量的新平均值为零。

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

matrix fundamental

basic concepts:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
错题:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
matrix calculation:

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

打赏作者

阿达斯加

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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