机器学习10：大规模数据学习

大规模数据集学习

得数据者得天下，一般而言，在进行机器学习时，比较好的情况时拥有大量的数据以及高方差(过拟合)的模型。

在处理大量数据前，可以利用之前在另一篇博文中提到的学习曲线，查看模型是高偏差还是高方差，确定是高方差后再处理大量数据：

随机梯度下降

原梯度下降(批量(Batch)梯度下降)过程：

如上图，每更新一个参数，便需要循环m次

随机梯度下降过程：

如上图，用一个样本来更新所有模型参数$\theta$，即可使参数立刻获得更新，加快迭代速度，且所有样本都遍历更新的这个大循环过程，重复1至10次即可。
PS：注意上图，需要先把样本的顺序打乱再进行梯度下降，以免产生影响。

批量梯度下降与随机梯度下降在下降过程中的区别在于，批量梯度下降直接逼近最小值，而随机梯度下降则曲折接近最小值，最后在最小值附近徘徊

小批量梯度下降

小批量梯度下降介于批量梯度下降和随机梯度下降之间，其过程为：

如上图，用不断用b个样本更新参数，直至遍历所有样本为一个大循环。

随机梯度下降的收敛

对于批量梯度下降而言，在每次迭代后&#x