机器学习与深度学习系列连载： 第二部分 深度学习(二）梯度下降

梯度下降 Gradient Decent

我们回忆深度学习“三板斧”，

1. 选择神经网络
2. 定义神经网络的好坏
3. 选择最好的参数集合

其中步骤三，如何选择神经网络的好坏呢？

梯度下降是目前，最有效的方法之一。

方法：我们举两个参数的例子$\theta 1$,$\theta 2$, 损失函数是L。那么它的梯度是：

那我为了求得最小值，我们有：

参数不断被梯度乘以学习率η 迭代

那么上述公示公为什么是减号，不是加号呢？
我们定义$\theta$改变的方向是movement的方向, 而gradient的方向是等高线的法线方向

基础的Gradient Decent已经介绍完了，接下来，我们一起探讨GD的使用技巧。

Learning rate学习率的设定

Learning Rate η 如果设定不好，Loss反而增大

自适应的学习率 adaptive learning rate

很多小伙伴在机器学习代码中，学习率一般都是设置为一个固定的数值（需要不断调参）。
根据学习经验，一般的我们有如下结论：

1. 训练刚开始的时候，学习率较大，
2. 经过几轮训练后，结果慢慢接近的时候，需要调小学习率
   

Adagrad 的学习率是现有学习率 除以 导数的平方和的开根号

Stochastic Gradient Decent (SGD)

让训练更加快速

一般的GD方法是所有的训练数据后，进行一次参数更新

SGD是一个样本就可以更新参数，

GD和SGD的对比效果：

特征裁剪 Feature Scaling

让不同维度的数据，有相同的变化幅度

训练的时候，哪一个好train，一目了然

归一化方法：

总结： Gradient Decent 是机器学习、深度学习求解Optimal问题的“普世”方法，但是也会遇到很多问题，
例如local minima 和 saddle point 的问题。 我们以后会展开讨论。

本专栏图片、公式很多来自台湾大学李弘毅老师、斯坦福大学cs229，斯坦福大学cs231n 、斯坦福大学cs224n课程。在这里，感谢这些经典课程，向他们致敬！