梯度下降技巧 2018-06-04 Coursera Ng 笔记 机器学习 调试梯度下降:在x轴上绘制迭代次数,然后将成本函数J(θ)绘制在梯度下降的迭代次数上。如果J(θ)增加,那么你可能需要减少α。 自动收敛测试:如果J(θ)在一次迭代中减小小于E,则说明已经收敛,其中E是一些小值,例如$10^-3$。但是在实践中很难选择这个阈值。实践证明,如果学习率α足够小,那么J(θ)将在每次迭代中减少。Andrew Ng建议在调整α的过程中,减少的幅度为3的倍数。 上一篇 特征和多项式回归 下一篇 特征归一化