- 博客(1)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 机器学习——牛顿法详解
我们现在学习的机器学习算法，大部分算法的本质都是建立优化模型，通过特定的最优化算法对目标函数（或损失函数）进行优化，通过训练集和测试集选择出最好的模型，所以，选择合适的最优化算法是非常重要的。常见的最优化方法有梯度下降法、牛顿法和拟牛顿法、共轭梯度法，拉格朗日乘数法（约束优化）等等。本期的主题是牛顿法的详解，为了更好的理解，会简明的说一下梯度下降法的内容。一、梯度下降法梯度下降法的本质是，用梯度来进行迭代的方法。即用当前位置的负梯度方向作为搜索方向，可以以理解为切线或者切平面的反方向。因为是切线
2021-05-22 14:17:37
5939
空空如也
用 牛顿法进行参数估计，曲线拟合（python实现）
2021-05-17
TA创建的收藏夹 TA关注的收藏夹
TA关注的人