机器学习
回归模型评估
案例一：鸢尾花分类
机器学习的优化算法
交叉熵
lightGBM
处理非平衡数据集的方法
AdaBoost
GBDT
XGBoost
决策树
线性回归
pytorch 优化器的使用
分类模型评估
损失函数
前馈神经网络
特征工程
分箱
评分卡实现过程
逻辑回归
本文档使用 MrDoc 发布
-
+
首页
机器学习的优化算法
### 0. 概述 在机器学习算法中，常常需要计算最优解的值，但是这些最优解的值往往无法通过计算直接获得，因此需要通过一些方法来近似获得这些值，这样的方法我们称之为`优化算法`，它使得我们能够通过更少的计算来更快的获得近似的最优解。 ### 1. 梯度下降法`Gradient Descent` ### 2. 随机梯度下降法 `SGD` ### 3. mini-batch 梯度下降法 ### 4. 带动量的梯度下降法`Gradient descent with Momentum ` ### 5. 均方根传递`RMSprop` ### 6. 自适应矩估计 `Adam`
gaojian
2023年1月31日 10:48
分享文档
收藏文档
上一篇
下一篇
微信扫一扫
复制链接
手机扫一扫进行分享
复制链接
关于 MrDoc
觅思文档MrDoc
是
州的先生
开发并开源的在线文档系统，其适合作为个人和小型团队的云笔记、文档和知识库管理工具。
如果觅思文档给你或你的团队带来了帮助，欢迎对作者进行一些打赏捐助，这将有力支持作者持续投入精力更新和维护觅思文档，感谢你的捐助！
>>>捐助鸣谢列表
微信
支付宝
QQ
PayPal
Markdown文件
分享
链接
类型
密码
更新密码
