机器学习（第十周）--适用大数据的算法

1、随机梯度下降 批量梯度下降在运用到样本数据较多的情况下，计算量会非常的大，更适合选用随机梯度下降方式 批量梯度下降，在计算θ值过程中每次迭代要读入全体样本数据，每次计算m个加和项迭代 随机梯度下降，只考虑一个样本的计算结果，每次迭代只计算一个样本的θ迭代 随机梯度下降 两种算法迭代方式是不同的 批量梯度下降，每次迭代就会逐渐收敛，最终收敛到中心点 随机梯度下降，随机梯度下降收敛过程跟样本选取有

>>阅读原文<<