此处对比批量梯度下降、随机梯度下降、小批量梯度下降算法的优缺点
| 算法 | 批量梯度下降（Batch Gradient Descent, BGD） | 随机梯度下降（Stochastic Gradient Descent, SGD） |
|---|---|---|
| 代价函数 |  |
 |
| 梯度下降算法 |  |
 |
| 比较 | 每一次更新参数θ时，都需要计算所有m个训练样本的差平方项求和，然后更新一次θ值，当m很大时，每一次迭代计算量大，且只能更新优化一小步 | 每一次更新参数θ时，不需要对所有m个训练样本的差平方项求和，只需要计算当前一个训练样本，然后更新一次θ，每一次迭代只要保证对一个样本拟合很好就行了 |
| 优点 | 参数基本以直线式方向朝着全局最小值的方向更新，最终达到收敛 | 每次迭代只需使用一个训练样本，当m很大时，训练速度快，计算量小 |
| 缺点 | 每次迭代都需要用到m个训练样本，当m很大时，训练速度慢，计算成本高 | 一般来讲，参数朝着全局最小值的方向更新，但也不一定，会以某个比较随机的、迂回的路径朝全局最小值逼近，并在最小值点附近徘徊，并非直接逼近最小值点并停留在该点上，但这也基本满足了我们实际应用的目的了 |
| 算法 | 小批量梯度下降（Mini-Batch Gradient Descent） |
|---|---|
| 代价函数 | 此处，m=b |
| 梯度下降算法 |  |
| 比较 | 每一次更新参数θ时，需要计算b个训练样本，然后更新一次θ，每一次迭代只要保证对b个样本拟合很好就行了 |
| 优点 | 每次迭代都需要用到b个训练样本（通常b=10，变化范围在2-100之间），算法介于BGD和SGD之间，当m很大时，当拥有一个很好的向量化实现时（能够支持并行计算），有时速度比SGD更快 |
| 缺点 | 增加了一个额外参数b，需要花时间确定参数b的大小 |
当SGD在全局最小值点附近振荡时，通过调试算法、选取学习率α来绘制图表，监测梯度下降是否收敛。
在随机梯度下降中，我们在每一次更新 θ 之前都计算一次代价，然后每 x 次迭代后，求出这 x 次对训练实例计算代价的平均值，然后绘制这些平均值与 x 次迭代的次数之间的函数图表。
当我们绘制这样的图表时，可能会得到一个颠簸不平但是不会明显减少的函数图像（如上面左下图中蓝线所示）。我们可以增加 α 来使得函数更加平缓，也许便能看出下降的趋势了（如上面左下图中红线所示）；或者可能函数图表仍然是颠簸不平且不下降的（如洋红色线所示），那么我们的模型本身可能存在一些错误。
通常学习速度α是不变的，但可以通过修改α（在逼近全局最小值点时，α减小）的方式来收敛到全局最小值点。
随着不断地靠近全局最小值，通过减小学习率，我们迫使算法收敛而非在最小值附近徘徊。但是通常我们不需要这样做便能有非常好的效果了，对α进行调整所耗费的计算通常不值得 。
总结：
这种方法不需要定时地扫描整个训练集，来算出整个样本集的代价函数，而是只需要每次对最后 1000 个，或者多少个样本，求一下平均值。应用这种方法，你既可以保证随机梯度下降法正在正常运转和收敛，也可以用它来调整学习速率 α 的大小。