本文探讨了梯度下降法、牛顿法和拟牛顿法在机器学习中的应用场景差异。梯度下降法常用于神经网络训练，特别是非凸问题；牛顿法和拟牛顿法适用于凸问题如逻辑回归，其中牛顿法利用二阶导数信息，拟牛顿法通过近似海森矩阵实现。时间复杂度和收敛速度的差异源于求解方法的不同。
梯度下降法、牛顿法、拟牛顿法 三类迭代法应用场景有何差别？
By Datawhale知乎内容输出小组D1
问题
梯度下降法一族（如SGD、Adam）、牛顿法一族（如Gauss-Newton Method，LM法）、拟牛顿法一族（如L-BFGS）是机器学习中最常见的三大类迭代法，但三者分别通常擅长解决的应用场景是什么？为什么会这样的呢？谢谢
解答
| 梯度下降法(SGD为例) | 牛顿法 | 拟牛顿法 | |
|---|---|---|---|
| 时间复杂度(单次迭代) | 只需计算1阶导，时间复杂度低，为 O ( n ) O\left( n \right) O(n) | 需计算Hessian矩阵及其逆，时间复杂度高，为 O ( n 3 ) O\left( { {n^3}} \right) O(n3) | 用正定矩阵近似Hessian矩阵的逆，时间复杂度为 O ( n 2 ) O\left( { {n^2}} \right) O(n2) |
| 收敛速度 | 收敛慢，迭代次数大 | 收敛快，迭代次数小 | - |
| 初始值要求 | 无太强要求，容易逃离鞍点 | 对初始值有一定要求，非凸问题容易陷入鞍点(牛顿法步长会越来越小) | - |
| 应用场景 | 特征维度较大的场景，如特征数>10k | 特征维度较小的场景 | 需满足拟牛顿条件，更适合凸问题 |
此外，在神经网络（非凸问题）的训练中，大多数都采用梯度下降法一族方法。而在训练逻辑回归（凸问题）等模型时，可采用梯度下降和拟牛顿方法。
关于时间复杂度和收敛速度的差异，起因于求解方法：
机器学习的任务中，是要最小化损失函数 L ( θ ) L\left( \theta \right) L(θ)，其中 θ \theta θ 是待求的模型参数。梯度下降法、牛顿法/拟牛顿法都是迭代求解。梯度下降法是梯度求解，而牛顿法/拟牛顿法是用二阶的海森矩阵的逆矩阵或伪逆矩阵求解。
迭代公式 θ t = θ t − 1 + Δ θ {\theta ^t} = {\theta ^{t - 1}} + \Delta \theta θt=θt−1+Δθ
求解方法
梯度下降法：一阶泰勒展开
L ( θ t ) = L ( θ t − 1 + Δ θ ) ≈ L ( θ t − 1 ) + L ′ ( θ t − 1 ) Δ θ \begin{aligned} L\left( {
{\theta ^t}} \right) &= L\left( {
{\theta ^{t - 1}} + \Delta \theta } \right) \\ &\approx L\left( {
{\theta ^{t - 1}}} \right) + L'\left( {
{\theta ^{t - 1}}} \right)\Delta \theta \end{aligned} L(θt)
最低0.47元/天 解锁文章
4325
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
