- 博客(3)
- 收藏
- 关注
转载 吴恩达机器学习——梯度检验
在神经网络反向传播讲解过程中,提到了个梯度检验的小技巧,用于检验反向传播求解的梯度是否正确。原理就是偏导数可以写为双侧差分形式,即其中是个很小的数,它的值太小可能会使计算出问题,值太大则这个偏导近似是不准确的,课程中建议设置为,遍历求解代价函数对所有所有的偏导,与采用高级方法求解的值比较,差值相对很小时,可认为梯度求解正确。注意:这个步骤只用于检测梯度求解是否正确,在验证后,要将这...
2018-08-19 08:47:27 1034 4
原创 吴恩达机器学习——正规方程
Normal Equation:线性回归中需要采用梯度下降法求解最优的,实际上可以采用解析的方法直接求解其中在octave中可用pinv函数求逆,在矩阵不可逆或者不为方阵时,他也能得到想要的答案。python的scipy库中有类似函数。适用条件:1. 特征数目少,一般在10000以下认为正规方程更有优势。...
2018-08-12 20:32:10 285
原创 寻优算法——梯度下降法、牛顿法原理认识
梯度下降法、牛顿法早就知道,怎么使用也很简单,但一直没搞太明白,为什么“梯度方向就是下降最快的方向”?什么站在山顶往下走只是结果,根本没解释原因,这次终于搞清楚了,写下来以防忘记。梯度下降法对于一个函数,可能是一维或者多维的变量,给一个增量使它的值变小,要使在这一步变得最小,即下降最快,根据泰勒展开这里舍去二阶导数后面的小量,那么要取得最小的值,就要使最小,向量的内积当且仅...
2018-08-09 21:01:53 5625
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人