随机爬山算法与随机重启爬山算法

随机爬山算法与随机重启爬山算法之间有什么区别?


回答:

随机爬山算法:意味着我们不会总是按照梯度方向(即最大化/最小化目标函数的步骤)采取行动,该算法不会以100%的概率选择最佳步骤,而是以小于100%的概率选择,有时会选择随机方向,因此它有时会朝相反方向迈出一步,以避免陷入局部最优并最大化探索范围。

随机重启爬山算法:同样是一种避免局部最优的方法,该算法总是会选择最佳步骤(基于梯度方向等),但会进行多次(很多次)算法运行,每次运行都会从平面上的随机点开始,因此它可以找到其他山顶。

这两种方法可以结合使用以获得最佳性能。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注