2017年5月17日
梯度下降做做优化（batch gd、sgd、adagrad ）
摘要： 首先说明公式的写法 上标代表了一个样本，下标代表了一个维度； 然后梯度的维度是和定义域的维度是一样的大小； 1、batch gradient descent： 假设样本个数是m个,目标函数就是J(theta)，因为theta 参数的维度是和 单个样本 x(i) 的维度是一致的，theta的维度j t 阅读全文
posted @ 2017-05-17 12:54 随遇而安jason 阅读(2453) 评论(0) 推荐(1) 编辑