文件名称:
Practices-about-Maching-learning:在此存储库中，我学习了一些有关行进学习的技术，例如迭代搜索优化，线性回归等。在Python编程中-源码
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-04-01
详细说明：进修学习实践
实践1
我已经通过几个样本学习了线性回归和最优的迭代搜索
第1部分
使用这些功能进行最优的迭代搜索
梯度下降实施
Gadient Descent算法是一种通用的迭代优化技术，可以达到局部最优。
为此，我需要一个小的常数作为学习率，用η表示。 我们必须小心使用此常数，因为如果常数太大，则可能无法达到最佳局部，如果常数太小，则可能会达到最佳局部，但是这会带来很大的计算成本。
因此，最佳学习率将取决于我们亏损状况的政策，而政策又取决于数据集。
在数学上解释算法之前，除了学习率之外，还需要一些值初始值W0，这将是我们的出发点和我们想要最小化的函数。
通用方程为：
其中Ein / Wj是微分函数的梯度。
对N中j的所有值同时执行此操作，其中N是一组整数。
并重复应用相同的计算，直到函数的成本无法再最小化或超过X的迭代次数为止，因为它可能找不到最小成本函数。
实现伪代码
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
相关搜索:
