标签：task6 推导 梯度 训练营 凸函数 函数 归一化 模型 贪心

Task6:

凸函数的情况是全局最优点。

一个模型在特定的样本集上只能有一个损失函数

梯度下降就是求解向量w。

梯度的推导过程：

阿尔法是超参数，人定的。是步长。

ctr 点击率预估

lr模型本身就是假设特征之间是独立的，比如性别 地域。

归一化，分桶离散

鲁棒性就是稳定性，不会因为某一个特征跑偏了而将整个模型给带骗。

弊端是线性函数，

标签：task6,推导,梯度,训练营,凸函数,函数,归一化,模型,贪心
来源： https://blog.csdn.net/vavcoo/article/details/112981844

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。