假设有m个训练样本,n个特征变量
梯度下降 | 正规方程 |
需要选择学习速率α,运行多次尝试不同的α直到找到合适的α | 不需要选取需要选取学习速率α,只需要运行一次计算即可 |
需要多次迭代,取决于细节,计算可能较慢 | 不需要进行迭代,计算来检查收敛性 |
当n很大(上百万)时表现很好,通常很有效 | 求解时需要计算这一项,该项为的矩阵,对于大多数计算机而言,实现逆矩阵计算的代价是以矩阵维度的三次方增长,计算较慢 |
当n>10000时,选择梯度下降效率更高 | 当n<10000时(几百几千维向量),选择正规方程能更好的求解参数 |
PS:
当正规方程中不可逆(奇异矩阵,不满秩m<n)时:
首先,检查是否有一些多余特征。特征间是否线性相关或互为线性函数,则删除多余特征;
接着,特征中无多余特征时,检查是否有过多特征。特征数量过多时,若删除一部分不影响的话,则删除,或者考虑使用正规化方法。