该专栏为热销专栏榜 第8名
超级会员免费看
本文介绍了迭代方法在机器学习中降低模型损失的应用，重点讲解了梯度下降法及其变体，包括小批量梯度下降法和随机梯度下降法，讨论了如何通过调整学习速率和计算负梯度步长来优化模型。
目录
迭代方法
为了训练模型，我们需要一种降低模型损失的好方法。迭代方法是一种广泛使用的损失损失方法，就像向下山一样简单有效。
预计用时：5 分钟
学习目标
- 了解如何使用迭代方法训练模型。
- 了解完整的梯度下降法和一些变体，包括：
- 小批量梯度下降法
- 随机梯度下降法
- 尝试不同的学习速率。
如何减少损失？
- 超参数是用于调整模型训练方式的配置设置。
- (y - y')2 相对于权重和偏差的导数可让我们了解指定样本的损失如何变化
- 计算和转化简单
- 因此，我们反复朝着尽可能减少损失的方向迈出小步
- 我们将这些小步称为梯度步长（但它们实际上是负梯度步长）
- 这种策略称为梯度下降法
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
