最优化算法

最小二乘法

梯度下降法

  • 梯度下降的基本思想是:
    沿着函数的梯度(或者说导数)的反方向,以步长为步进量逐渐逼近函数的最小值点。在机器学习中,梯度下降被用来求解最小化损失函数的参数。

在这里插入图片描述

  • 缺点
    鞍点(saddle point)陷阱,局部最小值

牛顿法

牛顿法(Newton method)是求解无约束最优化问题的常用方法,有收敛速度快的优点。牛顿法是迭代算法,每一步都需求解目标函数的海塞矩阵(Hessian Matrix),计算比较复杂。
在这里插入图片描述

高斯牛顿法

详情网址
就是在牛顿法上 不需要计算hessian矩阵了,利用雅可比矩阵可以得到hessian矩阵

4.LM算法

在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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