全部课程 > Python+人工智能 > 梯度下降和过拟合和归一化

授课机构:速学堂

梯度下降和过拟合和归一化

梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。

价      格¥39

优惠活动   无

特色服务 社区交流 24H答疑 作业批改 系统化学习 资料下载
选择班次

报班即学,有效期320天

课程简介

  梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。反过来,如果我们需要求解损失函数的最大值,这时就需要用梯度上升法来迭代了。在机器学习中,基于基本的梯度下降法发展了两种梯度下降方法,分别为随机梯度下降法和批量梯度下降法。


适合人群

  l 适合零基础学前端语言的初学者

  l 想转行进入前端行业的工作人员

  l 学习机器学习与线性回归算法

课程亮点

  过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器性能进行评价。

  归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量。 在多种计算中都经常用到这种方法。

主讲内容

  01_梯度下降法思路_导函数有什么用

  02_推导线性回归损失函数导函数_以及代码实现批量梯度下降

  03_随机梯度下降_及代码实现_mini-batchGD_调整学习率

  04_梯度下降做归一化的必要性

  05_最大值最小值归一化_sklearn官网介绍_防止过拟合W越少越小

  06_过拟合的总结

  07_岭回归_以及代码调用

猜您喜欢

我知道了

现在就与学习导师聊一聊

北京总部地址:北京市海淀区西三旗街道建材城西路中腾建华商务大厦东侧二层尚学堂

咨询电话:400-009-1906 010-56233821

Copyright 2007-2019 北京尚学堂科技有限公司 京ICP备13018289号-1 京公网安备11010802015183