1回答
我试图绘制关于时期的梯度下降cost_list，但当我试图这样做时，我迷失了基本的python函数结构。我将我的代码结构附加到我想做的事情上。# update #a = plt.plot(i,theta)plt.plo
浏览 48提问于2021-09-16得票数 0
回答已采纳
1回答
梯度下降图是如何工作的？
、、、
我有一个问题，了解梯度下降，例如，让我们采取一个简单的线性回归与1的特征，在绘制回归线后，误差计算的误差是Ypred，然后计算成本函数的每个斜率和截距的回归线。现在，该代价函数被绘制在斜率和截距处，以求成本函数相对于斜率的最小值，并通过梯度截距。
为什么我们要绘制成本函数图，然后找出最低值呢？该模型将计算不同坡度和截留权的代价函数，因此不能在此识
浏览 3提问于2021-03-07得票数 0
回答已采纳
2回答
我通过在线资源(即coursera的机器学习)学习了梯度下降。然而，提供的信息只说重复梯度下降，直到它收敛。 repeat gradient_descent或者，我想知道是否另一种确定收敛性的方法是观察系
浏览 10提问于2013-06-25得票数 10
回答已采纳
3回答
在神经网络中，梯度下降会查看整个训练集以计算梯度。成本函数随着迭代的进行而减小。如果代价函数增加，通常是因为错误或不适当的学习率。
相反，随机梯度下降计算每个单个训练示例的梯度。我想知道成本函数是否有可能从一个样本增加到另一个样本，即使实现是正确的并且参数调整得很好。我有一种感觉，代价函数的异常增量是可以的，因为梯度是在单个样本
浏览 2提问于2018-05-16得票数 0
3回答
我正在学习一门关于Python中的深度学习的课程，我被一个例子的以下几行困住了：regressor.fit(X_train, y_train, epochs = 100, batch_size = 32)
根据我所知道的定义，1个epoch =遍历所有训练示例一次以进行一次权重更新每个小批量的大小为batch_si
浏览 2提问于2018-07-17得票数 1
我正在学习关于Logistic回归的ML课程，以及Manning的机器学习实践。我正在尝试通过用Python实现所有的东西来学习。这两者之间的区别是什么？
浏览 1提问于2012-11-29得票数 56
回答已采纳
据我所知，梯度实际上达到了全局最小，梯度下降试图采取步骤，他认为是最低的方向。我知道从复函数中计算梯度不是一个平凡的问题，但假设我们是一个使用二次代价函数的神经网络，那么计算梯度并得到实际的全局极小值会很困难吗？
浏览 0提问于2018-03-02得票数 0
回答已采纳
1回答
据我所知，批量(香草)梯度下降对所有训练数据进行一次参数更新。随机梯度下降(SGD)允许您更新每个训练样本的参数，帮助模型更快地收敛，但代价是函数损失的高度波动。 ? 批量(香草)梯度下降集batch_size=corpus_size。 SGD设置batch_size=1。和小批量梯度下降集batch_size=k，其中k通常为32，64,128… gensim如何应用SGD或小批量梯
浏览 32提问于2019-05-02得票数 0
回答已采纳
1回答
算例中所用的所有损失面都有一些碗形，其形状远低于最优，在最优平面点附近逐渐减小。是否所有损失面积平面周围的最优，从而导致小梯度更新？当我训练某一模型时，大部分损失曲线显示损失急剧下降，表现为下降缓慢，损失图变平坦。为什么损失更新(梯度的数量)变得很小？
浏览 0提问于2021-03-03得票数 0
2回答
我目前正在学习神经网络，并尝试使用Python中的反向传播来训练MLP来学习XOR。网络有两个隐藏层(使用Sigmoid激活)和一个输出层(也是Sigmoid)。该网络(约20,000个历元，学习率为0.1)输出的数字接近原始类别标签： 预测: 0.11428432952745145原始类输出为:0 预测: 0.8230114358069576原班输出为:1 预测: 0.8229532575410421原班输出为:1 预测: 0.23349671680470516原始类输出为:0 当我绘制误差图时(对于每个时期)，我的<e
浏览 15提问于2021-04-01得票数 2
1回答
在度量学习的训练过程中，如果代价函数是凸的，则可以使用梯度下降方法，并获得最优解。现在，我想从训练集中训练N个(N可能很大，比如100)个指标，一种方法是调整成本函数，使这些N个指标组合成一个大的指标矩阵，并使用梯度下降方法，但是，如果N很大，这个方法就不是很好，在这种情况下，有什么我可以确定2~N个指标，然后只对1个指标进行梯度下降，然后对1，3~N个指标进行梯度下降，然后只对2
浏览 3提问于2014-05-18得票数 0
1回答
Logistic和线性回归具有不同的成本函数。但我不明白logistic回归中的梯度下降与线性回归是如何一致的。
通过推导平方误差代价函数，得到了梯度下降公式。
浏览 0提问于2018-01-22得票数 1
回答已采纳
梯度下降算法使几个步骤接近最小值。我的问题是，每次调用sess.run都要执行多少个这样的步骤。举个例子来说明：for epoch in range(100): feed_dict=train_feed_dict)
这个<em
浏览 11提问于2017-08-01得票数 0
回答已采纳
我正在尝试制作自定义的梯度下降估计器，然而，我遇到了存储梯度下降算法每一步的参数值的问题。下面是代码框架：注意:大多数梯度下降的东西都被删除了，因为我对此没有任何问题。我遇到的主要问题是存储每个步骤的值。sfun()是损失函数(我知道它在这里看起来不是这样<em
浏览 25提问于2020-11-17得票数 0
回答已采纳
我是机器学习的新手，愿意学习和使用机器学习。只是我仍然不能理解在某些情况下使用正态方程与梯度下降相比的好处。我在Coursera上使用了Andrew Ng的课程，但是这个符号真的让我很难理解。我想知道更多关于多项式回归的代价函数J(ō)的推导，以及他为什么使用向量x(i)转置的原因
浏览 7提问于2018-08-01得票数 1
例如，下面哪一个是正确的？在批处理中计算梯度： for i in batches_list: loss) optimizer.step()计算整个时期的梯度
浏览 1提问于2019-12-26得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
