利用梯度下降法求解一元函数的极小值点坐标及其对应的极小值.zip
下载
算法 matlab
查看(52)

所属分类:开发技术 > 其它
文件大小:464 Bytes
上传日期:2019/4/21 16:41:05
MD5:12df1cfc69************fc7c41dc3f
资源说明:利用梯度下降法求解一元函数的极小值点坐标及其对应的极小值,梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。反过来,如果我们需要求解损失函数的最大值,这时就需要用梯度上升法来迭代了。在机器学习中,基于基本的梯度下降法发展了两种梯度下降方法,分别为随机梯度下降法和批量梯度下降法。
移动页面: MIP AMP

[资源合计] 文件夹:0,文件:1

# 文件名称 大小 最后修改时间
1 ah.m 509 Bytes 2019/4/21 16:41:57

请留下有营养的评论,广告灌水一律拉黑处理,谢谢合作!