梯度下降法,2017.6.13,1. 引言,梯度下降（GD）是最小化风险函数、损失函数的一种常用方法。 在应用机器学习算法时，通常采用梯度下降法来对采用的算法进行训练。,梯度下降法包含三种不同形式： 批量梯度下降BGD（Batch Gradient Descent ） 随机梯度下降SGD（Stochastic Gradient Descent ） 小批量梯度下降法MBGD (Mini-Batch Gradient Descent ) 下文将以线性回归算法为例来对三种梯度下降法进行比较,2. 先导知识,一元线性回归(拟合曲线) 假设这里存在m=6组数据(x, y),从图上可以看出，大致数据的大致走势是可以用线性模型y=kx+b来表示的，为此我们建立一维线性回归模型。 假设一维线性模型表达式如下：,其中： h(x)是假设函数，即要拟合的函数 为待求解参数，即要迭代求解的值， 求解出来了那最终要拟合的函数h(x)就确定了。 n表示输入特征数，为方便计算，所有的样本都加入了x0=1这个特征，所以维数为n+1维。,对应的损失/误差函数，即估计值与真实值之间的差距，这里用2-范数表示为： 其中： m是训练集的样本个数 1/2是为了后面求导计算方便,一个二维参数（ 0 ， 1 ）组对应能量函数（描述整个系统的优化程度，随着网络的变化而减小，最终网络稳定时能量达到最小）的可视化图,3. 批量梯度下降法BGD,更新算法的目的：误差函数尽可能小，即求解参数使误差函数尽可能小。 主要思想： 首先，随机初始化参数； 然后，不断反复的更新参数使得误差函数减小，直到满足要求时停止。,梯度下降算法，利用初始化的参数并且反复更新参数： 代表学习率，表示每次向着函数J最陡峭的方向迈步的大小（步长？）,（1）将J()对求偏导，得到每个对应的的梯度 当m=1时，即只有一个样本数据（x, y），J对第j个参数j的偏导数是：,对所有m个样本数据，上述损失函数的偏导（累和）为：,（2）由于是要最小化风险函数，所以按每个参数的梯度负方向，来更新每个j(j=0, 1, 2, , n),上例中，利用BGD求得,由更新公式可知，批量梯度下降得到的是一个全局最优解，每一次的参数更新都用到了所有的训练数据，如果训练数据非常多的话，执行效率较低。 批量梯度下降法的收敛图（迭代的次数相对较少）：,4. 随机梯度下降法SGD,由于批梯度下降每更新一个参数的时候，要用到所有样本，所以训练速度会随着样本数量的增加而变得非常缓慢。 随机梯度下降正是为了解决这个办法而提出的。它是利用单个样本的损失函数对求偏导得到对应的梯度，来更新。,上例中，利用SGD求得,随机梯度下降是通过每个样本来迭代更新一次，如果样本量很大的情况（例如几十万），那么可能只用其中几万条或者几千条的样本，就已经将参数迭代到最优解。 对比上面的批量梯度下降，迭代一次需要用到十几万训练样本，一次迭代不可能最优，如果迭代10次的话就需要遍历训练样本10次。 SGD的问题是噪音较BGD要多，使得SGD并不是每次迭代都向着整体最优化方向。,随机梯度下降收敛图（SGD迭代的次数较多，在解空间的搜索过程看起来很盲目。但是大体上是往着最优值方向移动。）,5. 小批量梯度下降法MBGD,为综合解决BGD的训练速度慢，以及SGD的准确性低的问题，提出MBGD 它是利用部分样本的损失函数对求偏导得到对应的梯度，来更新。,6. 总结,参考文献, ,畅想网络,Imagination Network,感谢观看！,文章内容来源于网络，如有侵权请联系我们删除。,