吴恩达深度学习 —— 2.10 m个样本的梯度下降

在之前的学习中,已经看到了如何计算导数,同时把梯度下降法应用到逻辑回归的一个训练样本上。现在要把它应用在m个训练样本上。

首先,时刻记住有关于成本函数J(w,b)的定义,前面介绍了针对单个训练数据怎么计算导数。
在这里插入图片描述
全局成本函数,是一个求和,实际上是1到m项损失函数和的平均,它表明全局成本函数对 w 1 w_1 w1的导数也同样是各项损失函数对 w 1 w_1 w1导数的平均,我们已经演示了怎么对单个训练数据求导数的运算。我们真正需要做的是计算这些导数并求平均,这会得到全局梯度值,这能够把它直接应用到梯度下降算法中。

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