Coursera 機器學習筆記（八）

主要爲第十週內容：大規模機器學習、案例、總結 （一）隨機梯度下降法 如果有一個大規模的訓練集，普通的批量梯度下降法需要計算整個訓練集的誤差的平方和，如果學習方法需要迭代20次，這已經是非常大的計算代價。 首先，需要確定大規模的訓練集是否有必要。當我們確實需要一個大規模的訓練集，可以嘗試用隨機梯度下降法來替代批量梯度下降法。 在隨機梯度下降法中，定義代價函數一個單一訓練實例的代價： 隨機梯度下降算法

>>阅读原文<<