文章目录
问题的引出
在一次梯度下降中是曲折前进的,但是有一个问题就是特征值的大小是不一定,这会导致要迭代很多遍。这时就要用到特征收缩这一个方法(归一化)
引用我在B站学习的视频里面的图:
一、特征收缩是什么?
就是将特征值(X)全部整体放大缩小使得全部在一个范围能够更好的找到代价函数的最小值,是的迭代次数变小
引用我在B站学习的视频里面的图:
二、特征收缩程度
一般放缩到-3到3左右即可,但是不能太小不能小于0.333左右,道理和太大了一样,会让迭代次数变得非常多,使得程序不断运行
引用我在B站学习的视频里面的图:
三、归一化
引用我在B站学习的视频里面的图:
指的是,特征值减去该组数据的平均值除以最大值减去最小值
总结
这是一种在梯度下降的注意技巧
标签:视频,机器,迭代,特征值,特征,收缩,归一化 来源: https://blog.csdn.net/weixin_51422230/article/details/123034463
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。