134****4518回答（1）
最佳
黄石2024-05-15 10:22:48
黄石同学你好。Gradient descent algorithm的目的是为了找到最合适的参数，令模型的拟合程度最好（详见另一条回答下，我们通常最小化的是均方误差mean squared error）。但是模型的拟合程度也不能过高，不然就会出现过拟合。所以，在训练集数据中随着拟合程度的上升需要有一个所谓的“termination condition”，也就是终止条件。这个其实不同的算法不同的软件各有不同，一个比较主流的方法是将Gradient descent algorithm放在训练集和验证集中同时开展。如果验证集中拟合程度也在上升，那就继续优化；如果验证集中拟合程度下降了，那就停止优化。这个了解一下就可以了，稍微有些超纲。
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片