样本个数m，x为n维向量。
h_theta(x) = theta^t * x
梯度下降需要把m个样本全部带入计算，迭代一次计算量为m*n^2

随机梯度下降每次只使用一个样本，迭代一次计算量为n^2，当m很大的时候，随机梯度下降迭代一次的速度要远高于梯度下降

最新文章

1. angular源码阅读3：真的，依赖注入的原理
2. Delphi 获取临时数据集 ClientDataSet
3. java的分层开发
4. 漫水填充算法 - cvFloodFill() 实现
5. canvas画时钟，重拾乐趣!
6. Unity3D相机震动效果
7. 开发自己的react-native组件并发布到npm[转]
8. Mac homebrew-1.5以后安装php扩展的方法
9. Oracle角色，权限，表空间基础语句
10. 只有自身跟上时代，offer就会如期而至
11. VBA在WORD应用中如何确定文本是否被选定
12. pyparsing自定义解析规则
13. SQL TOP 子句
14. linux使用Anaconda管理多个版本的Python环境
15. easyui combobox下拉框文字超出宽度有横向滚轮
16. GO入门——1.基础
17. 1. Python3 环境搭建
18. Git直接拉取远程分支
19. myeclipse开发安装C++
20. java 装饰者模式

热门文章

1. afinal框架下 ViewInject的使用
2. Maven常用命令及Eclipse应用
3. ping,telnet,tracert分别用的是什么协议
4. Python 字典 get() 方法
5. War(最短路+最大流)
6. Labyrinth(记忆化BFS)
7. ECMAScript6新特性之String API
8. DOS批处理前言
9. 修改UITextView光标高度
10. sql不带锁查询