Stochastic Gradient Descent

Stochastic Gradient Descent(SGD)를 알아보겠습니다.

​
Stochastic Gradient Descent는 우리나라 말로 확률적 경사 하강법이라고 부릅니다.
해당 개념은 Mini Batch Gradient Descent와 동일합니다.
다만 Mini Batch Gradient Descent와 다른 점은 Batch Size(크기)가 1이라는 겁니다.
​
10,000 개의 데이터가 있다고 한다면, 데이터 1 개씩을 넣어서 Gradient Descent를 진행합니다.
그래서 이 방법은 Cost 함수가 수렴하지 않고 계속해서 움직입니다.
데이터 하나에 대한 Cost 함수이기 때문에 한곳에 모일 수가 없습니다.







데이터 하나씩 계산하기 때문에 속도가 빠르긴 하지만, 이 하나씩 구한 것을 다시 Vectorization(1 차원 행렬화) 할 때 오랜 시간이 걸려서 그다지 이점이 있지는 않습니다.

그리고 Cost의 Minimum에 머물러 있다는 보장이 없습니다.

​

​

끝.


카테고리: Machine Learning

댓글

이 블로그의 인기 게시물

Python urllib.parse.quote()

KiCad 시작하기 3 (새로운 소자 추가하기)

일본어 문장부호

음악 총보(Score), 파트보(Part)

KiCad 시작하기 2 (PCB 만들기)

Python OpenCV 빈 화면 만들기

KiCad 시작하기 1 (회로도 만들기)

Kivy 시작하기 6 (상단 바 팝업 만들기)

딩기 요트 명칭

Android Custom IME(Input method editor) 만들기