机器学习的应用是一个高度依赖经验，不断重复的过程，需要训练很多模型才能找到一个确实好用的。
小批量梯度下降算法：
矢量化可以有效计算m个算例而不需要for循环，因此我们需要将所有的训练样例放入巨型矩阵中。但是当数据量超大时，计算时间仍需很久，可以考虑将训练集分为微小的训练集，即小批量训练集。
对于一个小的训练集进行下图计算，也叫做训练集的一次遍历。
梯度下降过程中，代价函数是不断下降的，但是小批量的代价函数趋势是下降，过程中有噪声。
设置一个批量的参数，极端情况是一个小训练集的样本是所有样本，这种情况下，每次需要遍历全部的样本，另一个极端情况是一个样本一个集合（随机梯度下降）,如下图，一个下降步长大，另一个随机噪声很大，虽然可以通过小的学习率改善，但是一般很难收敛到最低点，而是在最低点周围波动，同时失去了可以利用向量加速运算的机会
因此参数要取合适值
- 可以利用向量加速运算
- 不必每次遍历全部的样本再进行梯度下降
参数的选择
- 当样本数小于2000时，不需要用
- 其他情况下可以设置2的幂次，常见的为：64、128、256、512
指数加权（滑动）平均（基本理论）：
指数加权平均的函数：
当
增大，曲线右移，更加平滑。
假设样本有100个，将指数加权平均的函数展开可得下式，所有系数之和等于或接近1。
在算法开始初始值
设置为0时，将会导致前几个数字结果不能很好拟合
在算法估算初期用
代替。
动量（动量梯度下降）
他比标准梯度下降算法更快，算法主要计算梯度的指数加权平均，之后使用这个梯度过更新权重。
梯度下降算法产生的这种上下震荡会减慢梯度下降的速度，并且不能用较大的学习率，否则会超调。因此希望在纵轴上减慢学习速度，在横轴上加快学习速度
上述方法可以让梯度下降的每一步变得平滑，算法对于一些问题有效，但是对于碗型的函数
，由于加速度使速度变快，但是
小于1相当于摩檫力，所以球不会无线加速。
RMSprop均方根传递：
我们希望在纵轴方向上学习速度减慢，在横轴方向上保持不变或者加快
适应性矩估计（adam）算法优化：
学习速率衰减：
缓慢的降低学习率，在初始阶段取较大值，步长大，随着学习率下降，步长变小，可以收敛于一点。
局部最优解问题：
如果我们建立一个神经网络，通常梯度为零的点，并不是如左图中的局部最优点，而是右图中的鞍点
