一、代价函数和梯度下降
回归模型的代价函数(平方误差函数):模型预测值和实际值之间的差的平方和。最小二乘法表达式,用平方和来表达差的绝对值的大小。
回归模型的目标便是找到使得代价函数最小的模型参数组合。
梯度:用于更新神经网络的权重值
梯度下降:一个用来求函数最小值的算法,比如用梯度下降来求得代价函数的最小值。随机选择一个参数组合( θ 0 , θ 1 , θ 2 . . . . . . θ n \theta_0\,,\theta_1\,,\theta_2\,......\theta_n\, θ0,θ1,θ2......θn)开始,寻找下一个使得代价函数值下降最多的参数组合,以此类推直到找到达到local minimum代价函数值的参数组合。
随着传播推移,梯度逐渐减小,梯度消失时,模型会停止学习。
批量梯度下降(batch gradient descent):在梯度下降的每一步中都用到了完整的样本集,并对m个训练样本求和。
α \alpha\, αis the learning rate (每一次学习的时候梯度下降的幅度) and the derivative part help control the direction of gradient descent until zero. Since the der