为了训练模型,我们需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法。
一、迭代方法:
一种迭代试错,优化模型的方法
机器学习算法用于训练模型的迭代试错(迭代方法)过程:
简单来说,迭代方法就是将模型预测值与实际值之间的误差值反馈给模型,让模型不断改进,误差值会越来越小,即模型预测的会越来越精确。
在训练机器学习模型时,首先对权重和偏差进行初始猜测,然后反复调整这些猜测,直到获得损失可能最低的权重和偏差为止。
学习链接:
https://developers.google.cn/machine-learning/crash-course/reducing-loss/an-iterative-approach
二、梯度下降法:
一种快速找到损失函数收敛点的方法
回归问题所产生的
损失与权重值的图形
(损失曲线)始终是
凸形