文献类型：期刊文章

作　　者：严晓明[1]

YAN Xiao-ming(College of Mathematics and Informatics,Digit Fujian Internet-of-Things Laboratory of Environmental Monitoring,Fujian Normal University,Fuzhou 350117 ,China)

机构地区：[1]福建师范大学数学与信息学院,数字福建环境监测物联网实验室,福建福州350117

出　　处：《福建师范大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(11672074)

年　　份：2019

卷　　号：35

期　　号：3

起止页码：24-28

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：在用梯度算法求解逻辑回归分类问题时,由于学习率不同的设置,会使得模型收敛较慢以及在极值点附近出现震荡.而学习率多数凭借经验或按迭代的次数进行调整,效果欠佳.为此提出一种自适应调整方法,在不引入新参数的同时,根据样本集分类准确率的变化对学习率进行更新.在梯度下降较快时,增大学习率,加快收敛速度;在梯度平缓时,缩小学习率,减少最优解在极值点附近的震荡,实验结果验证了该方法的有效性.

关 键 词：梯度下降 学习率 自适应 分类准确率

分 类 号：TP311]