機(jī)器學(xué)習(xí)-梯度下降法_第1頁
機(jī)器學(xué)習(xí)-梯度下降法_第2頁
機(jī)器學(xué)習(xí)-梯度下降法_第3頁
機(jī)器學(xué)習(xí)-梯度下降法_第4頁
機(jī)器學(xué)習(xí)-梯度下降法_第5頁
已閱讀5頁，還剩11頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

梯度下降機(jī)器學(xué)習(xí)方法分類問題回歸問題聚類問題其他問題機(jī)器學(xué)習(xí)模型評(píng)估線性回歸選擇線的方法410430450470490510530540570249162536493564成績周數(shù)誤差總和=

(y1-(ax1+b))2

+

(y2-(ax2+b))2

+

…+(y9-(ax9+b))2

誤差總和=

(y1(ax1+b))2

+

(y2-(ax2+b))2

+

…+(y9-(ax9+b))2

誤差總和=

(y1-(ax1+b))2

+

(y2-(ax2+b))2

+

…+

(y9-(ax9+b))2

選誤差總和最小的線選擇線的方法來自不可思議的數(shù)據(jù)科學(xué)家BhaveshBhatt梯度下降線性模型：使用矩陣來表示就是其中：是所要求取的參數(shù)。

數(shù)據(jù)集標(biāo)簽為

梯度下降數(shù)據(jù)集標(biāo)簽為

損失函數(shù)：展開后得到：

線性模型：梯度下降令

當(dāng)

為滿秩矩陣或者正定矩陣時(shí)，可使用正規(guī)方程法，直接求得閉式解。最小二乘法

梯度下降令

當(dāng)

為滿秩矩陣或者正定矩陣時(shí)，可使用正規(guī)方程法，直接求得閉式解。最小二乘法其中梯度下降令

當(dāng)

為滿秩矩陣或者正定矩陣時(shí)，可使用正規(guī)方程法，直接求得閉式解。最小二乘法但一般

不能滿足滿秩矩陣或者正定矩陣的條件，此時(shí)可使用其中

是學(xué)習(xí)率梯度下降法梯度下降wijE>0，此時(shí)Δwij<0取E<0,此時(shí)Δwij>0wij梯度下降如何使得J(w)最??？初始參數(shù)wi設(shè)置（一般采用隨機(jī)法）更新直到達(dá)到全局最優(yōu)解，

或者局部最優(yōu)

或者最大迭代次數(shù)其中

是學(xué)習(xí)率使得J(w)減小梯度下降

1

0

1J(

0,1)梯度下降算法線性回歸模型Gradientdescentalgorithm同時(shí)更新

和直到收斂最小二乘法vs梯度下降法最小二乘法：全局最優(yōu)解，因?yàn)橐徊降轿唬苯忧髽O值，因而步驟簡單。線性回歸的模型假設(shè)，這是最小二乘方法的優(yōu)越性前提，否則不能推出最小二乘是最佳（即方差最?。┑臒o偏估計(jì)。梯度下降法：局部最優(yōu)解，因?yàn)槭?/p>

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論