2021-01-15 阅读量: 1349
问：
批量梯度下降法和随机梯度下降法的优缺点比较
答：
批量梯度下降
缺点：可能是由于数据原因，或者损失函数的特点，导致，损失函数的图中，有局部最优。如果直接每一次都是整体的样本来进行梯度的计算，会发现踢的方向狠稳定，从而如果初始位置选的不好，从而很容易陷到局部最优当中再也出不来的。
优点： 如果没有局部最优或者初始位置选的好，可以很狠稳定的去逼近全优点。
随机梯度下降
每次计算新的梯度的时候，不再使用所有的样本来进行梯度的计算，而是随机选取一个样本，使用它的特征和标签的信息来更新梯度。这个梯度的方向就不一样了，方向大致还是损失函数(使用所有的样本的信息而构建的损失函数)增长的方向，但是有很大的随机性。从而在更新过程中，参数可以很大程度上避免陷入局部最优，从而逼近全局最优。
优点：速度快！因为每一次只使用一个样本量来进行计算。
缺点：重大的缺陷是，到了最优点，很难收敛，噪音点影响特别大
