课程
案例
实训
大讲堂
社区
登录
注册
消息
-- 没有更多了 --
还没有收到消息
申请表
(1~2个工作日收到反馈)
*
身份
教师
学生
其他
*
院校
*
姓名
*
手机号
*
专业
*
职务
*
院校
*
姓名
*
手机号
*
专业
*
年级
*
入学时间
本科
大专
硕士
博士
*
学号
*
姓名
*
手机号
*
单位名称
*
职务
提交
好的
好的
修改申请表
0
None
机器学习中常用优化算法的 Python 实践
(ID: 99156)
99156
24b53e7838cde188f1dfa6b62824edbb
运行
数据酷客
更新于 2020-06-23 12:48:10
1081
310
梯度下降
优化算法
包含数据集1个
收起
mnist.npz
0.00 K
案例描述
机器学习模型的求解最终都会归结为求解一个最优化问题,最优化的目标为模型误差,它是模型参数的函数。例如线性回归的优化目标是均方误差,参数是每个特征的系数。根据目标函数的特点(凸与非凸),样本数量,特征数量,在实践中会选择不同的优化方法。常见的优化方法包括解析法、梯度下降法、共轭梯度法、交替迭代法等。本案例将对常见的优化算法进行分析,以便理解不同优化方法的特点和适用场景,帮助我们在机器学习实践中选择最合适的优化方法。
案例内容
案例讨论
只有登录了才能参与评论,现在
登录
!
案例讨论
返回顶部
登 录
记住密码
登 录
忘记密码?快速找回>
注 册
发送验证码
同意数据酷客
《用户协议》
注 册
手机密码找回
邮箱密码找回
发送验证码
提交
换一张
提交
返回登录 >