题目内容

最小二乘,解析方法:m=14个训练集 n=3 特征 对于解析方法 θ=(XTX)−1XTy. θ, X, y 维数?

A. X 14×3, y 14×1, θ 3×3
B. X 14×4, y 14×1, θ 4×1
C. X 14×3, y 14×1, θ 3×1
D. X 14×4, y 14×4, θ 4×4

查看答案
更多问题

解析方法还是梯度下降方法?假设您有一个数据集,其中m=50个示例,每个示例有n=200000个特征。在使用多元线性回归将参数θ拟合到我们的数据中。你喜欢梯度下降法还是解析的方法?

A. 解析方法,因为它提供了一种直接找到解的有效方法。
B. 解析方法,因为梯度下降不一定能达到最优的参数 θ.
C. 梯度下降,因为能收敛到最优的θ.
D. 梯度下降,因解析方法中举证求逆的运算量太大了

梯度下降算法中,梯度下降很快,但不能收敛到最优点的原因您运行梯度下降 15 次迭代,α=10 并在每次迭代后计算 J(θ)。 您会发现 J(θ) 的值下降很快,但不能收敛到最优点的原因

A. 调整α=20,增加
B. α=10 是一个合适的学习率
C. 调整α=0.1,减小

解析方法还是梯度下降方法?假设您有一个数据集,其中m=50个示例,每个示例有n=200000个特征。在使用多元线性回归将参数θ拟合到我们的数据中。关于梯度下降法还是解析的方法描述不正确的是

A. 解析方法一种直接找到解的有效方法。
B. 梯度下降的目标函数不能保证是凸的
C. 梯度下降 收敛到接近最优的θ.
D. 解析方法中举证求逆的运算量太大了

随机梯度下降算法是神经网络和回归算法中最常用的调参算法,对于单变量线性回归,假定参数为w和b(截距),写出随机梯度下降算法中w和b迭代更新的公式表示。

答案查题题库