今日面试题分享：说说共轭梯度法？

今日面试题分享

说说共轭梯度法？

参考答案：

解析：

共轭梯度法是介于梯度下降法（最速下降法）与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了梯度下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hessian矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。

在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有逐步收敛性，稳定性高，而且不需要任何外来参数。    

下图为共轭梯度法和梯度下降法搜索最优解的路径对比示意图：

注：绿色为梯度下降法，红色代表共轭梯度法 

本题解析来源： @wtq1993，链接：http://blog.csdn.net/wtq1993/article/details/51607040

题目来源：七月在线官网（www.julyedu.com）——面试题库——面试大题——机器学习

今日学习推荐

【推荐系统就业班 第二期】

定制学习路线

简历与项目定制   面试辅导与内推

保就业  保高薪  先就业  后付费

助力金三银四  跳槽转行 斩获高薪offer

长按识别下方二维码  

查看更多课程详情

☟

长按识别二维码

助力“金三银四”

分享一套全体系人工智能学习资料

600G资料 限时限额0元领

小伙伴们可以屯起来，慢慢学习喔~

扫描下方海报二维码

 立即领取

☟

▼

往期推荐

▼

万字长文概述NLP中的深度学习技术

一文详解机器学习中最好用的提升方法：Boosting 与 AdaBoost

神经网络P图新神器：摘墨镜戴美瞳都能搞定，加首饰换发型真假难分 | 代码开源

必备收藏！8500+公开代码论文，950多项机器学习任务最优结果汇总

我在GitHub上找到了中科大的计算机课程资源必读！

点

咨询，查看课程，请点击“阅读原文”

给我【好看】

你也越好看！