关于梯度下降法的理解,梯度下降法是一个一阶最优化算法。要使用梯度下降法找到一个函数的局部极小值,必须向函数上当前点对应梯度(或者是近似梯度)的反方向的规定步长距离点进行迭代搜索。...,y
使函数z=f(x,y)取得最小值的x,y满足∂f(x,y)/∂x=0,∂f(x,y)/∂y=0
但∂f/∂x=0,∂f/∂y=0只是必要条件,且联立方程式不易求解,梯度下降法是一种替代方法
梯度下降法不直接求解方程...)
例:设Δx,Δy为微小的数,在函数z=x^2+y^2中,当x从1变到1+Δx,y从2变到2+Δy时,求使这个函数减少得最快的向量(Δx,Δy)
1、(Δx,Δy)=-η(∂z/∂x,∂z/∂y)=-...η(2x,2y)
2、x=1,y=2
3、(Δx,Δy)=-η(2,4) (η为正的微小常数)
梯度下降法及用法
1、从初始位置p0出发,利用公式求出最陡的坡度点p1
2、从p1出发,利用公式进一步求出最陡的坡度点...,,∂f/∂xn)
(Δx1,Δx2,...Δxn)=-η∇f(η为正的微小常数)
另Δx=(Δx1,Δx2,...Δxn)
则Δx=-η∇f
下一篇将通过python实现梯度下降法求值