← 返回卡片

原书出处

机器学习算法原理与编程实践

05 第5章 梯度寻优

核验版本的摘录快照 · 导入于 2026-11-19T03:09:27.765Z

函数的解析解,但是求解其最优的过程与感知器的过程相同,也使用了梯度信息和迭代公式,它可以保证收敛的速度及最优值的存在。

使用Logistic函数还有一个重要的原因是,它的目标函数L(w)是一个指数和对数函数。回忆凸函数一节,也就是让我们魂牵梦萦、千呼万唤的凸函数,算法的局部最优就意味着全局最优。 综上三点,Logistic函数就是当仁不让的选择。

5.2.4 算法流程 在线性分类器一节,我们列出了算法的模型,不过激活函数是hardlim硬限幅函数。在讲解了Logi

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00019.html

EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d