沿着梯度的方向,函数下降的最快。
常用优化法: 梯度法和牛顿法
x0表示上一次的x值, x表示当前x 的值。
求最值,导数等于0的之后,所以要让导数等于0求极值点。
牛顿法的缺点: 一阶导数是雅可比矩阵,二阶导数是一个海森矩阵。求一个矩阵的逆矩阵计算量比较大。二阶导数要是等于0,牛顿法失效。
更多的情况下使用的是拟牛顿法。
梯度是使用平面(一阶导)来拟合目标函数,有一阶项, 一阶是平面。
牛顿法是用用曲面(二阶导)来拟合目标函数,有二阶项。二阶是曲面。
沿着梯度的方向,函数下降的最快。
常用优化法: 梯度法和牛顿法
x0表示上一次的x值, x表示当前x 的值。
求最值,导数等于0的之后,所以要让导数等于0求极值点。
牛顿法的缺点: 一阶导数是雅可比矩阵,二阶导数是一个海森矩阵。求一个矩阵的逆矩阵计算量比较大。二阶导数要是等于0,牛顿法失效。
更多的情况下使用的是拟牛顿法。
梯度是使用平面(一阶导)来拟合目标函数,有一阶项, 一阶是平面。
牛顿法是用用曲面(二阶导)来拟合目标函数,有二阶项。二阶是曲面。