腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
zingpLiu
专栏成员
举报
62
文章
100652
阅读量
17
订阅数
订阅专栏
申请加入专栏
全部文章(62)
python(21)
编程算法(17)
linux(5)
c 语言(4)
神经网络(4)
深度学习(4)
http(4)
机器学习(3)
javascript(3)
go(3)
云数据库 SQL Server(3)
打包(3)
容器(3)
运维(3)
shell(3)
网络安全(3)
hadoop(3)
tensorflow(2)
c++(2)
html(2)
数据库(2)
sql(2)
django(2)
ide(2)
github(2)
nginx(2)
容器镜像服务(2)
日志服务(2)
人工智能(2)
存储(2)
开源(2)
决策树(2)
kernel(2)
https(2)
kafka(2)
root(2)
对象存储(1)
NLP 服务(1)
java(1)
erlang(1)
scala(1)
xml(1)
ajax(1)
单片机(1)
汇编语言(1)
arm(1)
云数据库 Redis(1)
flask(1)
sqlalchemy(1)
git(1)
unix(1)
ubuntu(1)
centos(1)
消息队列 CMQ 版(1)
缓存(1)
压力测试(1)
spark(1)
ssh(1)
yum(1)
面向对象编程(1)
tcp/ip(1)
udp(1)
rabbitmq(1)
socket编程(1)
ntp(1)
安全(1)
unicode(1)
数据库管理(1)
date(1)
ode(1)
pool(1)
sum(1)
var(1)
笔记(1)
登录(1)
搜索文章
搜索
搜索
关闭
梯度下降法原理与python实现
对象存储
梯度下降法(Gradient descent)是一个一阶最优化算法,通常也称为最速下降法。 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。如果相反地向梯度正方向迭代进行搜索,则会接近函数的局部极大值点;这个过程则被称为梯度上升法。 本文将从最优化问题谈起,回顾导数与梯度的概念,引出梯度下降的数据推导;概括三种梯度下降方法的优缺点,并用Python实现梯度下降(附源码)。 1 最优化问题 最优化问题是求解函数极值的问题,包括极大值和
用户1432189
2019-03-04
2.1K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档