경사하강법 종류 Start
BioinformaticsAndMe
경사하강법 종류 (Types of Gradient Descent)
: Gradient Descent Learning에는 기본적으로 3가지 타입이 존재
*경사하강법 배치 - 단일 반복에서 기울기를 계산하는 데 사용하는 예의 총 개수
*배치가 너무 커지면 단일 반복으로도 계산하는 데 오랜 시간이 걸림
1. Batch Gradient Descent
: 파라미터를 업데이트 할 때마다 모든 학습 데이터를 사용하여 cost function의 gradient를 계산
2. Stochastic Gradient Descent (SGD)
: 파라미터를 업데이트 할 때, 무작위로 샘플링된 학습 데이터를 하나씩만 이용하여 cost function의 gradient를 계산
: 모델을 훨씬 더 자주 업데이트하며, 성능 개선 정도를 빠르게 확인 가능
: Local minima 에 빠질 가능성을 줄일 수 있음
: 최소 cost에 수렴했는지의 판단이 상대적으로 어려움
: 파라미터를 업데이트 할 때마다, 일정량의 일부 데이터를 무작위로 뽑아 cost function의 gradient를 계산
: Batch gradient descent 와 Stochastic gradient descent 개념의 혼합
: SGD의 노이즈를 줄이면서, 전체 배치보다 효율적
: 널리 사용되는 기법
#Reference
1) https://medium.com/mindorks/an-introduction-to-gradient-descent-7b0c6d9e49f6
2) https://developers.google.com/machine-learning/crash-course
3) https://towardsdatascience.com/gradient-descent-algorithm-and-its-variants-10f652806a3
경사하강법 종류 End
BioinformaticsAndMe
'Machine Learning' 카테고리의 다른 글
[TensorFlow] 기본 연산 (0) | 2019.10.04 |
---|---|
[TensorFlow] 문자열 출력 (0) | 2019.10.03 |
학습률 (Learning rate) (0) | 2019.09.24 |
경사하강법 (Gradient descent) (0) | 2019.09.18 |
머신러닝 선형회귀 (ML, Linear regression) (0) | 2019.09.16 |