← 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

算法总体评价 通过对随机梯度下降算法的分析,我们的结论是:该算法已经接近最优,所计算的分类超平面可认定为最优超平面。

而且,算法达到最优状态所需的迭代次数比梯度下降算法要小得多,三个权重分量进入稳态的最高迭代次数也没有超过200次。而Logistic梯度下降法经过500次迭代也没有达到最优,相比之下效率要低很多。这是随机梯度下降算法的优势。

随机梯度下降算法因为引入了随机抽取和动态生成步长alpha值,可能会导致算法的效率降低,但在迭代次数上的显著下降则完全

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