如果训练集中有500的样本，随机梯度下降法的步长是固定的，我每次选一个样本，那么每次迭代时另外499个就没用了？
1个回答
是的。对于每一次更新，我们只是随机地挑选一个样本，然后根据这个样本来确定下降方向。但是这并不代表剩下的没有用呀，在下一次更新的时候，我们还会从这500个里随机挑一个。因为一般来说步长比较小，达到最终收敛，我们会迭代很多次，每次随机挑一个，这样很多样本都会被用到。
如果你是想每次迭代的时候多用几个样本点的话，可以考虑使用小批量梯度下降法(Mini-Batch Gradient Descent)。MBGD是每次随机选出m个样本点，然后对这m个点的梯度求平均值，这个平均值就是下降的反方向。
可爱多
2017-03-14 09:33
相关主题
怎么用牛顿法近似求解根号2？
2回答
部分主元
1回答
RMSProp的直白解释
1回答
随机平均梯度法(Stochasitc Average Gradient)和随机梯度下降(SGD)有什么区别
3回答
最速下降法与梯度下降法
1回答
对于小批量随机剃度下降法(mini-batch SGD)，如何选择每批样本的数量？
1回答
Adam优化算法
1回答
随机梯度下降(sgd)的收敛问题
2回答
梯度上升算法是什么？
2回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！
