【機器學習數學】梯度下降法
阿新 • • 發佈:2021-10-07
本文介紹梯度下降演算法
梯度下降法(gradient descent)/ 最速下降法(steepest descent)求解無約束最優化問題:
其中f(x)是R^n上具有一階連續偏導數的函式,表示目標函式f(x)的極小點。
梯度下降法:
輸入:目標函式f(x),梯度函式,計算精度e;
輸出:f(x)的極小值點
(1)取初始值,置k = 0
(2)計算
(3)計算梯度,當 時,停止迭代, 令;否則,令,求,使
(4)置,計算
當或時,停止迭代。令。
(5)否則,置k = k + 1,轉(3)
當目標函式時凸函式時, 梯度下降法的解是全域性最優解。一般情況下,其解不保證為全域性最優解。梯度下降法收斂速度也未必是最快的。