本文探讨了机器学习中剃度（梯度）的重要性。剃度反映了参数对损失函数的影响，大梯度表示参数对模型敏感，权重通常较大；小梯度则意味着参数影响较小，权重可能较低。通过迭代优化，模型能自动赋予重要特征更大的权重。
待解答？
1，剃度是根据损失函数对各个参数求导得到的，就是衡量的各个参数对损失函数贡献的大小。经过迭代，重要的特征的参数自然权重比较大。
2，参数梯度大，说明损失函数对该参数敏感，该参数重要性高。参数梯度小，说明损失函数对该参数不敏感，该参数重要性低。
扫一扫
07-03
6257
6257
09-20
940
940
01-11
1001
1001
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
