[英]In gradient descent for collaborative filtering, are x and theta update simultaneous?
我正在学习 Andrew Ng 的机器学习课程，并且正在学习第 16 章：推荐系统。 我目前看完了关于协同过滤的部分。 在其中，他谈到了如何猜测参数：theta，然后用它来预测 x 并使用预测的 x 来学习更好的参数，等等。 他还说可以同时完成，并给出了梯度下降算法：
我想问一下 x 和 theta 是否同时更新。 例如，对于每次迭代：在 x 上执行一次梯度下降后，我是否使用 x 的新值重新计算平方误差和，然后在 theta 上执行梯度下降，然后重复直到收敛。 或者我是否在 x 上执行单个梯度下降，使用相同的平方误差和，也在 theta 上执行梯度下降
您可以同时进行一次更新。 您甚至可以使用以下公式同时更新x和 theta 来总结它：
同时更新 theta0 和 theta1 以计算 Python 中的梯度下降
[英]simultaneously update theta0 and theta1 to calculate gradient descent in python
梯度下降和成本函数 J(theta) 有什么区别？
[英]What is the difference between gradient descent and cost function J(theta)?
梯度下降不起作用，它返回 theta 值的增量并趋于无穷大
[英]gradient descent not working ,it returns increse in theta values and goes to infinity
梯度下降和正态方程为多元线性回归给出不同的 theta 值。为什么？
[英]Gradient Descent and Normal Equation give different theta values for multivariate linear regression.Why?
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
