#math #machine-learning #linear-regression #recursive-descent
#математика #машинное обучение #линейная регрессия #рекурсивный спуск
Вопрос:
Как на картинке:
Может кто-нибудь помочь мне понять, что именно означает дельта в алгоритме градиентного спуска?
Комментарии:
1. Если моя интуиция верна, вы как бы делаете небольшой шаг в направлении градиента. Градиент — это вектор, состоящий из всех частных производных и указывающий в направлении, в котором функция растет больше всего … вроде…
2. Вы должны освежить свои основы в многомерном исчислении, прежде чем пытаться понять алгоритм, достойный градиента, поскольку это (частная производная) является очень фундаментальным оператором.
3. Да, я должен. Спасибо за информацию.
Ответ №1:
Это частная производная по отношению к theta_0.
Комментарии:
1. Спасибо вам за это. Я возьму эту информацию и начну вычислять математику.
Ответ №2:
Термин является производной по отношению к theta 0 .
- Отметьте
thetaкак координату на оси X (пусть это будет A) - Найдите соответствующую координату по оси Y (пусть это будет B), чтобы точка принадлежала функции J
- Проведите касательную линию к этой функции в точке (A, B)
- Производная — это наклон этой касательной линии.
Производная используется для управления двумя аспектами минимизации функции затрат (J-функции):
- направление — знак наклона указывает вам, в каком направлении вы должны двигаться вдоль оси X, чтобы сходиться J
- скорость — величина наклона говорит вам, как быстро вы должны двигаться
Комментарии:
1. Спасибо за это объяснение. Я постараюсь встроить эти знания в свой разум.
2. «из теты» или «с уважением к theta_0»?