(斯坦福机器学习课程笔记)牛顿法算法学习

这篇博客主要介绍了牛顿法在机器学习中的应用,特别是用于寻找函数极值点的过程。通过泰勒公式二阶展开解释了牛顿法的迭代原理,并对比了牛顿法与梯度下降法在优化问题上的差异。尽管牛顿法因计算二阶导数的Hessian矩阵导致效率较低,但在适当情况下能提供更快的收敛速度。
摘要由CSDN通过智能技术生成

代码均使用PYTHON3.x

牛顿法算法复杂些,作以下笔记备忘。

下图(来自http://www.myexception.cn/cloud/1987100.html,侵删)
这里写图片描述

为了找到 f(x) 取极值的点,即,牛顿法的思路是:
1、牛顿法只是求 f(x)=0 的根!!!!!!!(x可以是向量)
2、初始化一个 x0 点,在 x=x0 的条件下做曲线的切线

f(x)f(x0)xx0=f(x0)

3、求切线上 f(x)=0 的点,令f(x)=0,得
x=x0f(
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