吴恩达机器学习笔记—高级优化算法

求代价函数6f794fa0b3e313a1197f13fed30e7012e57.jpg,我们需要计算代价函数的导数项和其收敛性。

a69ca307cc88e69a829bfc1627cde7733ae.jpg

梯度下降并不是求解的唯一方法,还有高级优化算法:共轭梯度法、BFGS、L_BFGS等

8746b55812a4ed927d308704b76028c40ed.jpg

2、这些高级的算法,有一些共同的特征,不需要设定搜索步长cbf7200edfe018ca8902dd682fabcc15cae.jpg,它能智能得得到一个合适的。并且计算收敛速率远大于梯度下降。

0f53f7326522b939dfd49e65006a8a5f639.jpg

3、吴老师课堂表明了上述的三种高级算法是复杂的数值算法,不是数值方面的专家不建议自己写代码,直接用就可以。需要用到的时候可以上网找相应的例子。

看到一篇不错的博文,常见的几种优化方法的区别,讲得比较详细,有需要的可以去看看

https://www.cnblogs.com/shixiangwan/p/7532830.html

转载于:https://my.oschina.net/u/3767735/blog/1841080

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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