Newton Raphson Method & Gradient Method

2023. 1. 27. 17:09·통계학

이번 포스팅에서는 두 개념이 다소 비슷한 거 같아서 같이 다루려고 한다.

 

Newton Raphson Method

y = x^2에서 x*라는 해를 찾으려고 한다.

이때 x0라는 초기값을 설정하고 이 x0에서의 접선 (y = 2(x-x0) + c)을 구한다.

그런 다음, 이 접선이 x축과 만나는 점 (x1)을 구하고 다시 x1에서의 접선을 구한다.

이런 식으로 반복하다 보면, 아래와 같이 x*에 근사하게 된다.

 

Gradient Method

Gradient Method는 N-R method와 비슷한데 조금 차이점이 있다.

여기서도 마찬가지로 x*라는 해를 찾고자 하고, y' = 2x이다.

초기값은 5라고 두고, 다음과 같은 방법으로 해를 찾을 수 있다.

여기서 alpha를 어떻게 변형시키냐에 따라 adagrad, adam optimizer 등을 만들 수 있다.

'통계학' 카테고리의 다른 글

MCMC (Gibbs sampling)  (0) 2023.12.18
Newton-Raphson iteration  (0) 2023.10.02
MCMC (Gibbs sampling)  (0) 2023.01.27
Importance sampling  (0) 2023.01.17
가능도비 검정  (0) 2023.01.17
'통계학' 카테고리의 다른 글
  • MCMC (Gibbs sampling)
  • Newton-Raphson iteration
  • MCMC (Gibbs sampling)
  • Importance sampling
chaeniverse
chaeniverse
통계 학도입니다. 지금은 현업에서 data scientist로 근무하고 있습니다. 인공지능(머신러닝/딥러닝)에 관심이 많습니다.
  • chaeniverse
    채스
    chaeniverse
  • 전체
    오늘
    어제
    • 분류 전체보기 (22)
      • 통계학 (11)
      • 머신러닝 (7)
      • 딥러닝 (3)
      • 논문 리뷰 (1)
      • etc (0)
      • Project (0)
  • 블로그 메뉴

    • 홈
    • 태그
    • 방명록
  • 링크

    • 포트폴리오
  • 인기 글

  • 태그

  • 최근 글

  • hELLO· Designed By정상우.v4.10.0
chaeniverse
Newton Raphson Method & Gradient Method
상단으로

티스토리툴바