特征值与梯度下降算法  

Eigenvalues and Gradient Descent Algorithms

作　　者：邱松强 QIU Songqiang(School of Mathematics,China University of Mining and Technology,Xuzhou 221116,China)

机构地区：[1]中国矿业大学数学学院,江苏徐州221116

出　　处：《高等数学研究》2023年第3期36-39,50,共5页Studies in College Mathematics

基　　金：中国矿业大学教学研究项目(2020YB42).

摘　　要：文中以特征值为工具,讨论了求解无约束优化问题的梯度下降法的步长和收敛速度的一些性质,并利用特征值解释了数据的标准化为何能提高最小二乘线性回归的收敛速度.This paper concerns with some properties of the gradient descent algorithms for unconstrained optimizations,and interprets why data standardization can significantly improve the efficiency when this type of methods are applied to linear regressions.

关 键 词：梯度下降算法 最速下降法 特征值 线性回归 

分 类 号：O221[理学—运筹学与控制论]