进入聊天室
3.2 梯度下降算法
目标：最小化损失函数 J(θ)
通过迭代更新参数向量 θ，沿着负梯度方向逐步逼近最优解。
更新公式：
θ(t+1) = θ(t) - η∇J(θ(t))
- • θ：参数向量
- • η：学习率（Learning Rate）
- • ∇J(θ)：损失函数的梯度
J(θ)θ1θ2
起点（随机初始化）收敛到最优解
30 / 68
李
李明远 教授
机器学习导论
12:45 / 35:20
自动播放…