“梯度下降法”版本间的差异
来自iCenter Wiki
（以“#梯度下降法（Gradient Descent）介绍 === *1.梯度下降法 **是一种基于搜索的最优化方法** **作用**：最小化一个损失函数 **梯...”为内容创建页面） |
|||
| 第1行： | 第1行： | ||
#梯度下降法（Gradient Descent）介绍 | #梯度下降法（Gradient Descent）介绍 | ||
| − | + | ---- | |
*1.梯度下降法 | *1.梯度下降法 | ||
2019年3月25日 (一) 04:27的最后版本
- 梯度下降法（Gradient Descent）介绍
- 1.梯度下降法
- 是一种基于搜索的最优化方法**
- 作用**：最小化一个损失函数
- 梯度上升法**：最大化一个效用函数
给定目标函数分f(x)和初始点x0
导数和偏导的区别：导数和偏导，偏导是因为有很多未知数，每次只能对其中一个求导，所以叫偏导
- 2.考虑冲量的梯度下降法
