Публикации по теме 'gradient-descent'


Понимание линейной регрессии: мощный статистический инструмент для прогнозного анализа
Линейная регрессия — популярный статистический метод моделирования связи между двумя переменными. Это простой, но эффективный инструмент, который позволяет аналитикам данных генерировать прогнозы и понимать силу и направление связи между переменными. В этой статье блога будут рассмотрены основы линейной регрессии, ее применения и этапы разработки модели линейной регрессии. Что такое линейная регрессия? Линейная регрессия — это статистический метод, который подбирает линейное уравнение..
Градиентный спуск для начинающих машинного обучения (с реализацией на Python)
Градиентный спуск — это итеративный алгоритм оптимизации для нахождения локального минимума дифференцируемой функции. Это широко используемый алгоритм в машинном обучении, а также в других областях, таких как физика и химия. Идея градиентного спуска состоит в том, чтобы начать с точки, а затем повторять шаги в направлении отрицательного градиента функции. Градиент — это вектор, указывающий в направлении наискорейшего подъема функции. Делая шаги в направлении, противоположном градиенту,..
Коэффициенты логистической регрессии с использованием алгоритма градиентного спуска в Python
В этой статье я собираюсь реализовать алгоритм градиентного спуска для логистической регрессии с нуля на Python. Я уже разработал алгоритм градиентного спуска для линейной регрессии, вы можете ознакомиться с ним в моих опубликованных историях. Очертания истории 1- Что такое логистическая регрессия? 2- Функция стоимости 3- Алгоритм градиентного спуска 4- Реализация кода Python для алгоритма градиентного спуска Без дальнейших церемоний, давайте погрузимся. Логистическая..
Стохастический градиентный спуск
SGD означает стохастический градиентный спуск. Это алгоритм оптимизации, используемый для минимизации функции стоимости модели машинного обучения. Ключевое различие между SGD и пакетным градиентным спуском (BGD) заключается в том, что вместо использования всего набора данных для вычисления градиента на каждом шаге SGD случайным образом выбирает одну точку данных или небольшое подмножество точек данных (также называемое мини-пакетом) для вычисления. градиент. В SGD функция стоимости..
Градиентный спуск, красотка! Непрофессиональное объяснение градиентного спуска
"Разница между решением и оптимизированным решением заключается в том, что оптимизированное решение работает в рабочей среде" Введение Градиентный спуск говорит само за себя. Градиент означает производную (исчисление), а спуск означает сходимость (близость) к минимумам. Теперь вопрос в том, что нужно различать и что мы пытаемся здесь минимизировать. Какова его роль в общей картине? В этой статье мы получим ответы на эти вопросы. Понимание машинного обучения Допустим, мы..
Пакетный, мини-пакетный и стохастический градиентный спуск
В эту эпоху глубокого обучения, когда машины уже превзошли человеческий интеллект, интересно наблюдать, как эти машины обучаются, просто глядя на примеры. Когда мы говорим, что обучаем модель, ее обучает градиентный спуск за кулисами. Итак, давайте углубимся в модели глубокого обучения, чтобы взглянуть на градиентный спуск и его родственников. Градиентный спуск Это то, что Википедия говорит о градиентном спуске Градиентный спуск - это итерационный оптимизационный..
Реализуйте линейную регрессию с помощью градиентного спуска
В этой истории мы увидим, как написать линейную регрессию с использованием градиентного спуска в Python с нуля. Мы увидим, что такое линейная регрессия, градиентный спуск, функция потерь и как реализовать линейную регрессию с использованием градиентного спуска. Линейная регрессия Линейная регрессия - это подход или модель для прогнозирования взаимосвязи между различными переменными (в основном зависимой переменной и одной или несколькими независимыми переменными). Пусть x -..