logistic迴歸與牛頓法

1. 梯度降低法的缺點 因爲處理的數據有不一樣的量綱和量綱單位,致使不一樣維度的數據之間尺度差別很大,以下圖(左)所示,目標函數的等高線是橢圓形的。這樣在經過最小化目標函數尋找最優解的過程當中,梯度降低法所走的路線是鋸齒狀的,須要通過的迭代次數過多,嚴重影響了算法的效率。 爲了解決這個問題,能夠對數據進行歸一化,例如採用min-max標準化將輸入數據範圍統一到[0,1]之間: python x∗=
相關文章
相關標籤/搜索