梯度下降算法收斂所需要的迭代次數根據模型的不同而不同，我們不能提前預知，我們
可以繪制迭代次數和代價函數的圖表來觀測算法在何時趨于收斂。

?

也有一些自動測試是否收斂的方法，例如將代價函數的變化值與某個閥值（例如0.001）
進行比較，但通常看上面這樣的圖表更好。
　　梯度下降算法的每次迭代受到學習率的影響，如果學習率?過小，則達到收斂所需的迭
代次數會非常高；如果學習率?過大，每次迭代可能不會減小代價函數，可能會越過局部最
小值導致無法收斂。
通常可以考慮嘗試些學習率：
? = 0.01，0.03，0.1，0.3，1，3，10

轉載于:https://www.cnblogs.com/sl0309/p/10358586.html

總結

以上是生活随笔為你收集整理的吴恩达机器学习笔记11-梯度下降法实践2-学习率的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。