当前位置:   article > 正文

机器学习之局部最优和全局最优

机器学习之局部最优和全局最优

(1)局部最优,就是在函数值空间的一个有限区域内寻找最小值;而全局最优,是在函数值空间整个区域寻找最小值问题。
(2)函数局部最小点是它的函数值小于或等于附近点的点,但是有可能大于较远距离的点。
(3)全局最小点是那种它的函数值小于或等于所有的可行点。

面试:你能解释一下梯度下降法及其在寻找全局最优解时的局限性吗?

  • 梯度下降法通过迭代沿着目标函数的负梯度方向更新参数,以寻找最小值。
  • 局限性:它可能会陷入局部最优,特别是在非凸函数中。此外,如果学习率设置不当,可能会导致收敛速度慢或者无法收敛。
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/羊村懒王/article/detail/103079
推荐阅读
相关标签
  

闽ICP备14008679号