1、线性回归
2、线性模型
输入:给定n维输入,乘以n维权重和一个标量偏差
输出:加权和
3、开始神经网络
4、补充:平方损失:
5、总结:
显示解:显示解就是可以用数学方法算出来的表达式解
6、对没有显示解的时候就要运用梯度下降的算法
不断更新W0使其更对的接近最优解
右上为二次函数等高图(每个圈是函数值等于固定值的曲线)
补:一个数的正梯度是其上升最快的方向,反之负梯度是其下降最快的方向
7、学习率的选择(不能太小也不能太大)
8、一般不会直接使用梯度下降,深度学习中最常用的是:小批量随机梯度下降
求一次梯度相当于将整个函数再重新算一遍(太贵了,计算代价太大了)
9、选择批量大小也不能太大或者太小
10、总结