老师好，课中说到L2，样本小的时候用拟牛顿法和随机梯度下降，随机梯度下降不是每次只学习一个样本点的权重吗？适合小样本集的吗？

首页课程实战体系课手记专栏慕课教程

老师好，课中说到L2，样本小的时候用拟牛顿法和随机梯度下降，随机梯度下降不是每次只学习一个样本点的权重吗？适合小样本集的吗？

来源：8-8 LR模型在测试数据集上表现-上

慕工程0161189

2019-01-12

如题

写回答

1回答

David

David

2019-01-12

已采纳

小样本就直接梯度下降就行每个样本都对参数的更新有贡献。随机梯度下降适合大样本量。方便的话学习过程中给课程一个评价多谢。

0

1

慕工程0161189

妥，已评价

2019-01-12

共1条回复

个性化推荐算法实战（可用于毕设） BAT大牛亲授

让你掌握一套完整的，能落地的个性化推荐算法体系。可用于毕设。

839 学习 · 253 问题

相似问题

cvr样本问题

回答 1

关于本节代码中tmp_rank[root]与alpha的问题

回答 1

老师您好，关于梯度下降我在掌握原理弄否使用TensorFlow中的GradientDescentOptimizer这个优化器来简化代码？

回答 1

真无语！！！！！！！！！！！！！！！！！！！！！！！！！！！

回答 1

为啥效果和老师说的不一样

回答 1

打开慕课网App查看更多内容