学习ML的梯度下降部分时，对随机梯度下降的梯度推导不太清楚，见下图，为什么sigma符号能把后面的yi也包进去？h(x)不是只等于w和x的相乘再相加么，要是将yi也加进去，那不就是i自增一下，式子就得减一个yi了？实在是没看明白，请求指正。
1条回答 默认 最新
林地宁宁 2022-07-18 19:16关注对，这里的求和号不应该把 y^(i) 也包含进去，不过由于外面是对 w_j 进行微分，与 y^(i) 无关，所以实际上最终结果不受到影响
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报
分享
- 2020-12-21 17:02《人工智能与机器学习-梯度下降法》 梯度下降法是机器学习和人工智能领域中一个基础且重要的优化算法，尤其在训练模型时用于寻找损失函数的最小值。它是一种一阶最优化方法，通过沿着目标函数梯度的负方向进行迭代...
- 2021-12-24 14:54机器学习是人工智能的一个重要分支，梯度下降是机器学习中常用的优化算法。下面是梯度下降算法的知识点总结： 1. 梯度下降算法的优点： - 可以处理大规模数值矩阵运算，梯度下降所遵循的迭代求解效率更高。 - ...
- 2024-11-28 17:10写代码写到手抽筋的博客 这得从梯度下降更新得角度去考虑如果损失函数加上正则项，那么导函数就等于多了正则项的导函数，即原来比如 MSE的导函数和 L1、L2 的导函数，那么梯度 gradient 就是这两部分组成，每次减小的幅度就是学习率η×(MSE...
- 2020-07-10 15:28taoKingRead的博客 梯度下降算法（Gradient Descent Algorithm）是最常采用的方法之一，也是众多机器学习算法中最常用的优化方法，几乎当前每一个先进的(state-of-the-art)机器学习库或者深度学习库都会包括梯度下降算法的不同变种实现...
- 2024-03-17 21:07挑大梁的博客 是一种优化算法，用于最小化一个函数的值，特别是用于训练机器学习模型中的参数，其基本思想是通过不断迭代调整参数的值，使得函数值沿着梯度的反方向逐渐减小，直至达到局部或全局最小值。学习率设置得太小，参数...
- 2024-11-17 19:00九筠的博客 相比于批量梯度下降（BGD）和随机梯度下降（SGD），小批量梯度下降综合了两者的优点，既在计算效率上比BGD更高，又比SGD更稳定，能够获得较为准确的梯度信息。总结来说，梯度下降算法的几何解释是，在目标函数的等高...
- 2024-01-31 21:06不知迷踪的博客 【代码】[机器学习]LFM梯度下降算法。
- 2022-06-05 11:21Aliert的博客 梯度下降算法是求解无约束多元函数极值最常用的数值方法， 很多机器学习常用算法和神经网络都是以它作为算法框架进行优化参数。 所以这个算法非常重要。梯度下降也是一种优化算法， 通过迭代的方式寻找使模型目标...
- 2020-04-05 16:20栗子NZ的博客 人工智能与机器学习——梯度下降法求函数极值一、原理介绍1. 梯度下降法的原理2. 梯度下降法求解过程3. 牛顿法原理4. 牛顿法方法说明二、用Excel完成函数极值的求解1. 求解函数题目2. 用excel计算① ∂z/∂x1 计算...
- 2024-11-05 17:23DK22151的博客 在机器学习中，模型的学习过程就是在训练数据上找到一组最佳的参数，这组参数能够使得预测的结果和真实标签之间的误差最小化。梯度下降就是通过反复调整模型参数（例如权重和偏置），沿着损失函数的梯度方向前进，...
- 没有解决我的问题, 去提问
问题事件
系统已结题
8月5日
已采纳回答
7月28日-
创建了问题
7月18日