1. 画学习曲线图
- x轴是梯度下降算法的迭代次数,y轴是成本函数J的值
- 梯度下降算法的目的是:找到一组w和b,让成本函数J最小
- 学习曲线图可以帮助我们查看成本函数J如何变化。如果梯度下降算法工作正常,那么成本函数J在每次迭代后都会减少。如果成本函数J在一次迭代后增加,那意味着学习率α可能选的太大,或代码有bug。
- 学习曲线图还可以帮助我们判断,梯度下降算法是否收敛。当学习曲线平坦时,梯度下降算法收敛。
2. 自动收敛测试
- ε表示一个很小的数,如0.001。
- 当一次迭代后,成本函数J的减少幅度小于ε,那么曲线很可能位于平坦部分,即梯度下降算法收敛,即找到一组w和b使成本函数J最小,或接近最小。
- 因为找到这样一个正确的ε比较难,所以还是推荐采用画学习曲线图的方法,来判断梯度下降算法是否收敛,以及在多少次迭代后训练模型可以完成训练