梯度下降法是一种求解优化问题的常用算法，其能找到模型的局部最优解，而不一定能找到全局最优解。（）

A.一维搜索方法

B.处理约束问题的优化方法

C.利用海森矩阵求解的无约束优化方法

D.利用梯度求解的无约束优化方法

A.随机梯度下降法

B.批量梯度下降法

C.小批量梯度下降法

D.以上没有区别，都可以

A.梯度下降法

B.随机梯度下降法

C.小批量随机梯度下降法

D.集成法

A.梯度下降法

B.迭代尺度法

C.牛顿法

D.拟牛顿法

A.梯度下降法

B.最小均方误差

C.最大均方误差

D.平均值法

A.梯度下降法

B.最小均方误差

C.最大均方误差

D.平均值法

A.梯度下降法作为机器学习中较常使用的优化算法，其有着三种不同的形式：批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）以及小批量梯度下降（Mini-Batch Gradient Descent）###SXB###B.批量梯度下降法是最原始的形式，它是指在每一次迭代时使用所有样本来进行梯度的更新###SXB###C.随机梯度下降法不同于批量梯度下降，是每次迭代使用一个样本来对参数进行更新###SXB###D.小批量梯度下降法是对批量梯度下降以及随机梯度下降的一个折中办法。更新参数时使用一部分训练样本。一般将训练样本集分成若干个batch，每个batch包含m个样本。每次更新都利用一个batch的数据，而非整个训练集