机器学习__梯度下降法.pptxVIP

下载本文档

9
0
约1千字
约 16页
2023-01-15 发布于江西
举报
版权申诉

机器学习__梯度下降法.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

梯度下降机器学习方法分类问题回归问题聚类问题其他问题机器学习模型评估线性回归选择线的方法410430450470490510530540570249162536493564成绩周数误差总和 = (y1-(ax1+b))2 + (y2-(ax2+b))2 + …+(y9-(ax9+b))2 误差总和 = (y1(ax1+b))2 + (y2-(ax2+b))2 + …+(y9-(ax9+b))2 误差总和 = (y1-(ax1+b))2 + (y2-(ax2+b))2 + …+ (y9-(ax9+b))2 选误差总和最小的线选择线的方法来自不可思议的数据科学家Bhavesh Bhatt 梯度下降线性模型：使用矩阵来表示就是其中：是所要求取的参数。??数据集标签为? ? 梯度下降数据集标签为? ?损失函数：展开后得到：?线性模型：梯度下降令?当为满秩矩阵或者正定矩阵时，可使用正规方程法，直接求得闭式解。最小二乘法? 梯度下降令?当为满秩矩阵或者正定矩阵时，可使用正规方程法，直接求得闭式解。最小二乘法其中梯度下降令?当为满秩矩阵或者正定矩阵时，可使用正规方程法，直接求得闭式解。最小二乘法但一般? ? 不能满足满秩矩阵或者正定矩阵的条件，此时可使用其中? ? 是学习率梯度下降法梯度下降wijE0，此时Δwij0取E0, 此时Δwij0wij 梯度下降如何使得J(w) 最小？初始参数wi 设置（一般采用随机法）更新直到达到全局最优解，或者局部最优或者最大迭代次数其中? ? 是学习率使得J(w) 减小梯度下降?1?0?1J(?0,?1) 梯度下降算法线性回归模型 Gradient descent algorithm同时更新和直到收敛最小二乘法 vs 梯度下降法最小二乘法：全局最优解，因为一步到位，直接求极值，因而步骤简单。线性回归的模型假设，这是最小二乘方法的优越性前提，否则不能推出最小二乘是最佳（即方差最小）的无偏估计。梯度下降法：局部最优解，因为是一步步迭代的，而非直接求得极值。既可以用于线性模型，也可以用于非线性模型，没有特殊的限制和假设条件。 THANKS