知识卡片
梯度下降受步长控制
每步读取当前梯度 g,用 θ←θ−ηg 更新。对 f(x)=x²,更新是 x←(1−2η)x,0<η1 会发散。负梯度提供局部方向,学习率控制能走多远。
可参照[[梯度汇总坐标变化率]]。下降方向来自梯度的局部几何性质。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 凸优化核心过程:真正搞懂梯度下降过程 · 查看原书依据
如果步长太大,虽然能够更快逼近山谷,但是也可能由于步子太大,踩不到谷底点,直接就跨过了山谷的谷底,从而造成来回振荡。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第6章《凸优化核心过程:真正搞懂梯度下降过程》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter006.xhtml)
- 结论依据:原书明确区分方向与步长,并用二次函数逐步演算。
- 原始内容:如果步长太大,虽然能够更快逼近山谷,但是也可能由于步子太大,踩不到谷底点,直接就跨过了山谷的谷底,从而造成来回振荡。