优化方法
迭代更新,来寻找函数全局最优解的方法
与最小二乘法相比:适用于变量众多,模型更复杂
2)梯度
变化最快,“陡峭”
通过函数表达式来衡量梯度
3)随机梯度下降原理推导过程
4)随机梯度下降的优点
计算量更小
擅长大量样本
学习率决定了算法速度
优化方法
迭代更新,来寻找函数全局最优解的方法
与最小二乘法相比:适用于变量众多,模型更复杂
2)梯度
变化最快,“陡峭”
通过函数表达式来衡量梯度
3)随机梯度下降原理推导过程
4)随机梯度下降的优点
计算量更小
擅长大量样本
学习率决定了算法速度
《掌握Spark机器学习库-07-随机梯度下降.doc》
下载本文的Word格式文档,以方便收藏与打印。