标签:WEEK 特征值 吴恩达 迭代 缩放 梯度 参数 归一化 随笔
1. 梯度下降法寻找参数,使训练模型的代价函数值最小。梯度下降法就是对代价函数关于参数θ求偏导,不断迭代(一般由迭代次数限制)。梯度下降法找到的参数可能是局部最优解,而并非全局最优解。
2. 特征缩放以及均值归一化。特征缩放是为了将两个或多个范围不同的特征值缩放至近似的范围,从而使梯度下降法运行的更快一些,具体方法就是用特征值除以其自身范围。均值归一化则需要在除法之前先减去其数学期望,根据概率论知识,可以使整个特征值的数学期望归零。
标签:WEEK,特征值,吴恩达,迭代,缩放,梯度,参数,归一化,随笔 来源: https://www.cnblogs.com/Zeren/p/16520281.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。