梯度是一个向量,表示某一函数在该点处的方向导数沿着该方向取得最大值,大小为方向导数最大值,方向为函数增长最快方向。
假设一个函数
的极值点,就是它的导数为零的那个点。因此我们可以通过解方程
求得函数的极值点。
假设上图为函数图像,首先我们随便选择一个点开始,经过一次次迭代,不断根据我们定的步长更新x的值,最终到达最小值点,每次迭代都朝着梯度方向的反方向,梯度下降算法公式可表示为:
其中为函数在
机器学习入门笔记1:梯度下降法
最新推荐文章于 2023-01-19 23:48:34 发布
本文介绍了梯度下降法的基本概念,它用于找到函数的极值点。通过迭代更新参数,沿着函数增长最快方向的反方向移动,直至达到最小值。在机器学习中,梯度下降法用于最小化损失函数,寻找最佳模型参数。文章还简单推导了损失函数的梯度计算过程。
摘要由CSDN通过智能技术生成