小蓝xlanll

这个屌丝很懒，什么也没留下！

热门标签

【机器学习】最优化方法：梯度下降法_梯度下降最优解

作者：小蓝xlanll | 2024-02-18 02:52:42

踩

梯度下降最优解

1. 概念

梯度下降法（Gradient Descent）又称最速下降法（Steepest descent）是一种常用的一阶优化方法，是一种用于求解无约束最优化问题的最常用的方法。它选取适当的初始值 ${x^{\left( 0 \right)}}$ ，并不断向负梯度方向迭代更新，实现目标函数的极小化，直到收敛。

2. 梯度下降的直观解释

以下山法作为类别，我们想要从山的某个位置下山，但我们并不知道山脚的位置，只能走一步算一步。从当前位置出发，往当前位置的负梯度方向走一步，即往最陡峭的方向往下走一步。然后继续求解当前位置的梯度，往负梯度方向走一步。不停走下去，一直走到我们认为已经到了山脚的位置。当然，也有可能，我们没办法到山脚，而是到了一个小山丘底部。

当目标函数是凸函数的时候，梯度下降法可以确保找到全局最优解；否则不一定能找到全局最优解，可能会陷入局部最优解。

3. 梯度下降法的原理

考虑最优化问题 $\min {}_xf\left( x \right)$ ，其中 $f\left( x \right)$ 具有一阶连续偏导数。若第 $k$ 次迭代值为 ${x^{\left( k \right)}}$ ，对 $f\left( x \right)$ 在 ${x^{\left( k \right)}}$ 处进行一阶泰勒展开：

$f\left( x \right) = f\left( {{x^{\left( k \right)}}} \right) + \left( {x - {x^{\left( k \right)}}} \right)\nabla f\left( {{x^{\left( k \right)}}} \right)$ （1）

凸函数 $f(\theta)$ 的某一小段 $[\theta_0,\theta]$ 由上图黑色曲线表示，可以利用线性近似的思想求出 $f(\theta)$ 的值，如上图红色直线。该直线的斜率等于 $f(\theta)$ 在 $\theta_0$ 处的导数。则根据直线方程，很容易得到 $f(\theta)$ 的近似表达式为：

$f\left( \theta \right) = f\left( {{\theta _0}} \right) + \left( {\theta - {\theta _0}} \right) \cdot \nabla f\left( {{\theta _0}} \right)$

这就是一阶泰勒展开式的推导过程，主要利用的数学思想就是曲线函数的线性拟合近似。

其中， $x - {x^{\left( k \right)}}$ 是微小矢量，大小是步长 $\alpha$ ，类比于下山过程中的一步。 $\alpha$ 是标量， $x - {x^{\left( k \right)}}$ 的单位向量用表示，则 $x - {x^{\left( k \right)}}$ 可以表示为：

$x - {x^{\left( k \right)}} = \alpha v$ （2）

此时，（1）可以化为：

$f\left( x \right) = f\left( {{x^{\left( k \right)}}} \right) + \alpha v\nabla f\left( {{x^{\left( k \right)}}} \right)$ （3）

我们希望每次迭代，都能使 $f\left( x \right)$ 变小，也就是说希望有：

$f\left( x \right) - f\left( {{x^{\left( k \right)}}} \right) = \alpha v\nabla f\left( {{x^{\left( k \right)}}} \right) < 0$ （4）

由于 $\alpha$ 是标量，且一般设定为正值，因此 $\alpha$ 可以忽略。由于和 $\nabla f\left( {{x^{\left( k \right)}}} \right)$ 都是向量，根据向量的乘积公式可以将（4）转换为：

$v\nabla f\left( {{x^{\left( k \right)}}} \right) = \left\| v \right\| \cdot \left\| {f\left( {{x^{\left( k \right)}}} \right)} \right\|\cos \left( {v,f\left( {{x^{\left( k \right)}}} \right)} \right) < 0$ （5）

当和 $\nabla f\left( {{x^{\left( k \right)}}} \right)$ 反向时， $\cos \left( {v,f\left( {{x^{\left( k \right)}}} \right)} \right) = - 1$ ，可以使得 $\alpha v\nabla f\left( {{x^{\left( k \right)}}} \right)$ 最小，且为负。即的方向是使局部的目标函数下降最快的方向。得到为：

$v = - \frac{{\nabla f\left( {{x^{\left( k \right)}}} \right)}}{{\left\| { \nabla f\left( {{x^{\left( k \right)}}} \right)} \right\|}}$ （6）

以上解释了为什么局部下降最快的方向就是梯度的负方向。

将（6）中的最优解代入（2）中，得到的更新表达式为：

$x - {x^{\left( k \right)}} = - \alpha \frac{{ \nabla f\left( {{x^{\left( k \right)}}} \right)}}{{\left\| {\nabla f\left( {{x^{\left( k \right)}}} \right)} \right\|}}$ （7）

由于 $\left\| {f\left( {{x^{\left( k \right)}}} \right)} \right\|$ 是标量，可以吸收入 $\theta$ 里面，梯度下降算法的更新表达式就变成了：

$x - {x^{\left( k \right)}} = - \alpha \nabla f\left( {{x^{ \left( k \right)}}} \right)$ （8）

以上就是梯度下降算法公式的数学推导过程。

4. 算法描述

输入：目标函数 $f\left( x \right)$ 、梯度函数 $\nabla f\left( x \right)$ ，计算精度 $\varepsilon$ 。

输出： $f\left( x \right)$ 的极小点 ${x^*}$ 。

（1）初始化相关参数。取初始值 ${x^{\left( 0 \right)}} \in {R^n}$ ，置迭代次数 k=0 .

（2）计算当前位置的目标函数 $f\left( {{x^{\left( 0 \right)}}} \right)$ 。

（3）计算当前位置的目标函数的梯度 $\nabla f\left( {{x^{\left( k \right)}}} \right)$ 。如果 $\left\| {\nabla f\left( {{x^{\left( k \right)}}} \right)} \right\| < \varepsilon$ ，则迭代结束， ${x^*} = {x^{\left( k \right)}}$ 。否则，继续往下走。

（4）更新。 ${x^{\left( {k + 1} \right)}} = {x^{\left( k \right)}} - \alpha \nabla f\left( {{x^{\left( k \right)}}} \right)$ ，如果 $\left\| {{x^{\left( {k + 1} \right)}} - {x^{\left( k \right)}}} \right\| < \varepsilon$ 或者 $\left\| {f\left( {{x^{\left( {k + 1} \right)}}} \right) - f\left( {{x^{\left( k \right)}}} \right)} \right\| < \varepsilon$ ，则停止迭代，令 ${x^*} = {x^{\left( {k + 1} \right)}}$ 。否则，将迭代次数置为 $k = k + 1$ ，转到（3）继续迭代。

在机器学习中，目标函数 $f\left( x \right)$ 实际上就是代价函数 $J\left( \theta \right)$ 。

5. 梯度下降法种类

5.1 批量梯度下降法（Batch Gradient Descent，BGD）

批量梯度下降法是梯度下降法最常用的形式。每次更新参数要使用所有的样本进行计算。

假设目标函数为：

$J\left( \theta \right) = \frac{1}{{2m}}\sum\limits_{i = 1}^m {{{\left( {{y_i} - {h_\theta }\left( {{x_i}} \right)} \right)}^2}}$

求偏导得：

$\frac{{\partial J\left( \theta \right)}}{{\partial {\theta _j}}} = - \frac{1}{m}\sum\limits_{i = 1}^m {\left( {{y_i} - {h_\theta }\left( {{x_i}} \right)} \right){x_{ij}}}$

批量梯度下降法的更新公式为：

${\theta ^{\left( {k + 1} \right)}} = {\theta ^{\left( k \right)}} - \alpha \sum\limits_{i = 1}^m {\left( {{y_i} - {h_\theta }\left( {{x_i}} \right)} \right){x_{ij}}}$

5.2 随机梯度下降法（Stochastic Gradient Descent，SGD）

随机梯度下降法与批量梯度下降法类似。每次更新参数只使用随机的一个样本进行计算。

随机梯度下降法的更新公式为：

${\theta ^{\left( {k + 1} \right)}} = {\theta ^{\left( k \right)}} - \alpha \left( {{y_i} - {h_\theta }\left( {{x_i}} \right)} \right){x_{ij}}$

批量梯度下降法和随机梯度下降法的区别是什么？

（1）批量梯度下降法每次使用所有数据来更新参数，训练速度慢；

（2）随机梯度下降法每次只使用一个数据来更新参数，训练速度快；但迭代方向变化大，不一定每次都朝着收敛的方向，不能很快地收敛到局部最优解。

5.3 小批量梯度下降法（Mini-Batch Gradient Descent，MBGD）

小批量梯度下降法是批量梯度下降法和随机梯度下降法的一个折中。每次更新参数选择一小部分数据计算。

选择个数据， 1<t<m 。

小批量梯度下降法的更新公式为：

${\theta ^{\left( {k + 1} \right)}} = {\theta ^{\left( k \right)}} - \alpha \sum\limits_{i = 1}^t {\left( {{y_i} - {h_\theta }\left( {{x_i}} \right)} \right){x_{ij}}}$

6. 局部最优解解决方法

如第二节（梯度下降的直观解释）中描述的，如果目标函数具有多个局部极小值，不能保证找到的解是全局最优解。为了解决这一问题，常采用以下策略来试图跳出局部最优：

1. 以多组不同参数值进行初始化，这样有可能陷入不同的局部极小，从中进行选择有可能获得更接近全局最小的结果；

2. 使用“模拟退火”技术，在每一步都以一定概率接收比当前解更差的结果，有助于跳出局部极小；

3. 使用随机梯度下降，最小化每个样本的损失函数，而不是最小化整体的损失函数，虽然不是每次迭代得到的损失函数都朝着收敛的方向，但是整体的方向是朝着全局最优解的，最终的结果往往是在全局最优解附近。

参考文献：

1.《统计学习方法》附录A梯度下降法——李航

2. 为什么局部下降最快的方向就是梯度的负方向？

3. 梯度下降（Gradient Descent）小结

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小蓝xlanll/article/detail/103982

【机器学习】最优化方法：梯度下降法_梯度下降 最优解