1.批量梯度下降
每次遍历所有的样本对进行梯度更新，迭代次数较少，在样本数量较多的训练速度慢。
2.随机梯度下降
每次只是用一个样本，更新速度慢，可能会收敛到局部最优。
3.小批量梯度下降
设置batch__size，结果相对精确，速度相对快。
梯度下降方法
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 转载自链接：https://www.cnblogs.com/lliuye/p/9451903.html 梯度下降法...
- 之所以叫盒饭版算法，是希望能在最短时间讲一些没那么正式的东西。 在机器学习里，我们通常用优化方法来计算模型的未知参...
