python梯度上升算法_梯度算法之梯度上升和梯度下降

本文介绍了梯度上升和下降算法,包括方向导数、梯度的定义和性质。在机器学习中,梯度下降常用于最小化损失函数,而梯度上升用于最大化目标函数。讨论了梯度下降的步长选择、初始值影响以及批量、随机和小批量梯度下降的对比。还提到了梯度下降与其他优化算法如最小二乘法、牛顿法的区别。
摘要由CSDN通过智能技术生成

梯度算法之梯度上升和梯度下降

方向导数

当讨论函数沿任意方向的变化率时,也就引出了方向导数的定义,即:某一点在某一趋近方向上的导数值。

f0b2264b221bdfa0ae72d67a3a88fda5.png

导数和偏导数的定义中,均是沿坐标轴正方向讨论函数的变化率。那么当讨论函数沿任意方向的变化率时,也就引出了方向导数的定义,即:某一点在某一趋近方向上的导数值。

通俗的解释是: 我们不仅要知道函数在坐标轴正方向上的变化率(即偏导数),而且还要设法求得函数在其他特定方向上的变化率。而方向导数就是函数在其他特定方向上的变化率。

梯度

e499ba83c9febaecf6561deecf1ff99b.png

100d756b3b9d8d65cdcb1460a9fed79c.png

函数在某一点的梯度是这样一个向量,它的方向与取得最大方向导数的方向一致,而它的模为方向导数的最大值。

注意点:

1)梯度是一个向量

2)梯度的方向是最大方向导数的方向

3)梯度

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