以线性回归为例：
我们之前的批量梯度下降，当数据量很大的时候，需要频繁读取数据并计算微分，开销很大，占用内存大。
随机梯度下降和批量梯度下降对比：
随机下降法：
1、将所有数据打乱；
2、分成m小份，每一次训练一份，相当于更新一次参数；然后遍历所有的样本就完成了训练。
最后，随机下降将会得到一个接近全局最小值，对于实际应用来说已经足够了 。
随机梯度下降（Stochastic gradient descent）
最后编辑于 ：
©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-刘建平Pinard-www.cnblogs.com/pinard/p/5970503.html 在求解机器学...
- 机器学习是做NLP和计算机视觉这类应用算法的基础，虽然现在深度学习模型大行其道，但是懂一些传统算法的原理和它们之间...
