4-2 4-3 4-4 Gradient Descent for Multiple Variables

多变量线性回归问题——梯度下降算法

流程同第二章里单变量所讲一致;

区别在于变量对应的系数增多,需要求得偏导数增多;



梯度下降算法Tricks

Feature Scaling:多个变量(也可称为特征)的数量级能接近  similar scale  例如【0,1】【-1,1】区间

Mean Normalization:xi由xi-ui替代



② Learning Rate

确保梯度下降算法工作正确:每次迭代过程中,损失函数的loss在下降最终趋平,最终能够收敛不再变化;

使用合理的Learning Rate:

三种情况下都是试用:

太大:梯度下降算法不工作;不收敛或loss不下降

太小:时间成本大,收敛慢


choose LR:

0.0001,...0.0003,.....0.001,.....0.01,....0.1....


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值