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∗=

>>阅读原文<<