- 梯度，gradient，简化的理解是偏微分
- random.shuffle随机洗一个list in place,返回值是None
- Stochastic gradient descent,这个高级的名字,直译过来是随机梯度下降，通常用来对比的是batch gradient descent，批量梯度下降。
-
http://blog.csdn.net/zouxy09/article/details/20319673
- 在用迭代得到最优解的时候，如果cost function是凸函数，有全局唯一最优解。
- SVM是个二分类的例子，找到让两类的区别最大化的超平面。
- logisitic regression既能回归又能分类。
- 这个用法好特别，next_theta = min(next_thetas, key=target_fn)
- cost_function一般是所有样本值和theta的一个组合,也叫error function, batch gradient descent用到了所有点来算偏微分（也就是gradient descent)。stochastic gradient descent把cost function在概念上简化成每个点得cost function的和（sum），用一个一个的点来取偏微分，做gradient descent。
网友评论