关注微信公众号【Microstrong】,我现在研究方向是机器学习、深度学习,分享我在学习过程中的读书笔记!一起来学习,一起来交流,一起来进步吧!
本文同步更新在我的微信公众号里,地址:https://mp.weixin.qq.com/s?__biz=MzI5NDMzMjY1MA==&mid=2247484083&idx=1&sn=29d8e300fbfbd4daf2df4596fd05462d&chksm=ec653336db12ba209c1de6eab9d4101c90fec0ed9cd1bc80161852631ad1f9d820863c804cee#rd
目录:
简介牛顿迭代法
牛顿迭代法公式
牛顿迭代法的收敛性
牛顿法的改进
牛顿法和梯度下降法的区别
一、简介牛顿法
迭代法也称为辗转法,是一种不断用变量的旧值递推新值的过程,跟迭代法相对应的是直接法,即一次性解决问题。但多数方程不存在求根公式,因此求解根非常困难,甚至不可能,从而寻找方程的近似根就显得特别重要。
迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令或一定步骤进行重复执行,在每次执行这组指令或这些步骤时,都从变量的原值推出它的一个新值。
利用迭代算法解决问题,需要做好以下3方面的工作:
确定迭代变量。在可以用迭代算法解决的问题中,至少存在一个直接或间接地不断由旧值递推出新值的变量,这个变量就是迭代变量。
建立迭代关系式。所谓迭代关系式,是指如何从变量的前一个值推出下一个值的公式或关系。迭代关系式的建立是解决迭代问题的关键,通常可以使用递推或倒推的方法来完成。
对迭代过程进行控制。在什么时候结束迭代过程?这是编写迭代程序必须考虑的问题。不能让迭代过程无休止地重复下去。迭代过程的控制通常可以分为两种情况:(一)所需的迭代次数是个确定的值,可以计算出来。(二)所需的迭代次数无法确定,需要程序员进步一分析出用来结束迭代过程结束的条件。
牛顿迭代法(Newton’smethod)又称为牛顿-拉夫逊(拉夫森)方法。它是牛顿在17世纪提出的一种在实数