=== 名词解释 ===
BGD： 批量 - 梯度下降算法
SGD： 随机 - 梯度下降算法
__MBGD：__小批量 - 梯度下降算法
=== 批量梯度下降算法 BGD ===
在上一章10 回归算法 - 梯度下降中讲述的梯度下降算法是针对某一个样本进行的。实际上，我们拥有m个样本，针对每一个样本我们都应该有一个对应的梯度下降。
所以引入可批量梯度下降算法(BGD)，这是一个$color{red}{求解相对精确}$ ，但是计算时$color{red}{迭代速度相对比较慢}$的算法。
原因如下：
如上公式所示，批量梯度算法BGD，是对__所有样本的梯度__进行了__求和__的操作。
公式化简后：
=== 随机梯度下降算法 SGD===
随机梯度下降算法：不再考虑样本梯度的求和了，而是来一个新的样本，我就更新一次θ。
如果有m条数据，我就更新m次。
但是在批量梯度下降算法 BGD中，对于θ我只更新了1次 (全部样本都计算完后求和)
所以在随机梯度下降算法中，迭代更新的速度会更快。
实际生产当中，我们选择随机梯度下降的场景会更多。
毕竟，如果我有上百万条数据，如果一次性全遍历完后再得到θ的值，这样太慢了。
总结一下BGD和SGD的区别：
1、SGD速度比BGD快（迭代次数少）
2、SGD在某些情况下(全局存在多个相对最优解，或 J(θ)是一个二次以上的函数 )，SGD有可能跳出某些小的局部最优解，所以不会比BGD坏。
3、BGD一定能够得到一个局部最优解(在线性回归模型中一定是一个全局最优解)，SGD由于随机性的存在，可能导致最终结果比BGD差。
优先选择:SGD
=== 小批量梯度下降法 MBGD===
如果既需要保证算法训练速度，又需要保证参数训练的准确率，使用MBGD。
MBGD中不是每拿一个样本就更新一次梯度，而是拿b个样本(一般取10个)的平均梯度作为更新方向。
MBGD是BGD和SGD的结合：
随机抽若干个样本，求和。再不断更新参数。
PS 回答几个问题：
1、学习率(步长)的选择：
学习率都是人为设定的，或者可以理解为不断得尝试。根据迭代速度和结果进行不断得调整。
学习率没有一个明确的设定范围，一般可以选择1左右的数字进行尝试，如果迭代的速度还可以，且结果能够获得即可。
2、一般生产中，在深度学习中，对于损失函数的求解我们会自己去写。
但在机器学习中我们可以直接使用sklearn的LinearRegression进行最小二乘来求解θ：
$θ=(X^TX)$-1$X^TY$
