爬山演算法

出自維基百科,自由嘅百科全書
跳去導覽 跳去搵嘢
爬山演算法嘅圖解;X 軸同 Y 軸係個模型嗰兩個參數,Z 軸(上下)表示一個量度模型表現嘅指標;演算法嘅目標係要將 最小化。

爬山演算法粵拼paa4 saan1 jin2 syun3 faat3英文hill climbing algorithm / hill climbing)係機械學習(ML)上一種常用嚟做最佳化演算法;想像一個 ML 模型,有兩個參數,,而家用某個指標 量度個 ML 模型嘅表現,而呢個指標係數值愈細代表個模型愈理想嘅,例如係個模型嘅犯錯率。

家陣 經已有咗數值,所以個模型喺幅附圖入面有個座標位置,而個爬山演算法可以喺每一步噉做:

  1. 加減 嘅數值嚟改變個模型,即係個模型有 4()個前進方向;
  2. 計四個數值 ,當中 係移去第 個方向會得到嘅 值;
  3. 按「揀 值最小化嘅方向」呢條法則嚟改變 嘅數值;
  4. 重複,直至結束條件達到為止。

如果順利,個模型嘅 值會慢慢變到愈嚟愈細(接近理想數值),不過原則上,呢個最後嘅答案值唔保證會係理想數值-可能喺睇到嘅空間外有更低嘅可能 值,但呢個演算法唔會能夠保證將個模型帶到去嗰個數值-所以係一個近似演算法[1]

睇埋[編輯]

[編輯]

  1. Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, pp. 111–114.