梯度下降算法推导（机器学习系列-1）

  在网上能够搜到很多关于梯度下降算法的文章，但找了几篇发现推导都不能很好的理解（也可能是愚生数学功底差），本文将着重从数学角度讲述一下梯度下降算法的数学推导。

---

梯度下降算法理论

  梯度下降算法源自于线性回归模型的cost function 最小值计算，在线性回归中，我们通过一个拟合函数：

$$h(\theta)=\theta_0+\theta_1*x_1$$ ，然后计算cost function：
$$J(\theta)=\frac{1}{2m}\sum_{i=0}^m(h_\theta(x)-y)^2$$
  很明显这是计算在某一个 $\theta$向量取值的时候，所得拟合函数在每组数据 $x$上的计算值与其实际值$y$的差值，为了更好的展现这种误差，我们用平方和均值来表示，为了后面的计算方便还将其乘以 $\frac{1}{2}$。那么，后面的问题就是，当我们能够求得一组 $\theta$值使得 $J(\theta)$得到最小值的时候，我们就认为得到了最佳拟合参数– $\theta$向量。因此，线性拟合模型的问题，最后就归结到了cost function的最小值计算了。那么这里要介绍的方法就是 梯度下降方法。我们通过梯度下降的方法来寻找 $J(\theta)$的最小值。
  看过Andrew Ng视频的人肯定知道，梯度下降算法的原理，就是通过计算 $J(\theta)$的导数，通过寻找导数最小值的方式，来决定 $J(\theta)$的下降方向，在不断的迭代之后，即可找到 $J(\theta)$的最小值。以下就是 $J(\theta)$的求导计算：
$$J(\theta)\prime=(\frac{1}{2m}\sum_{i=0}^m(h_\theta(x)-y)^2)\prime\\=\frac{1}{2m}(\sum_{i=0}^m(h_\theta(x)-y)^2)\prime\\=\frac{1}{2m}2(h_\theta(x)-y)\sum_{i=0}^m(h_\theta(x)-y)\prime\\=\frac{1}{m}(h_\theta(x)-y)\sum_{i=0}^m(h_\theta)\prime\\=\frac{1}{m}(h_\theta(x)-y)\sum_{i=0}^m(\theta_0+\theta_1x_1+\theta_2x_2+...+\theta_n)\prime$$
所以： $$J(\theta_j)\prime=\frac{1}{m}(h_\theta(x)-y)\sum_{i=0}^m(\theta_0+\theta_1x_1+\theta_2x_2+...+\theta_n)\prime\\=\frac{1}{m}(h_\theta(x)-y)x_j$$

  在梯度下降算法中，我们需要不断收敛各个$\theta_j$，寻找$J(\theta)$的最小值。$\theta_j$在其导数方向上减少（下降），即可使得$J(\theta)$达到最小值，最后当$J(\theta)$收敛时，则停止$\theta_j$的计算。具体如下：
  $\theta$取随机值（初始值）
  repeat:
    计算$h(\theta)$，将第一个样本数据y代入，更新$\theta_j$ -= $(h(\theta)-y)\theta_j$，更新每个$\theta_j$，然后把剩下的数据代入，得到一组新的$\theta$
    计算各组数据在新的$\theta$下的$h(\theta)$值与实际值y的误差，当误差小于阈值时.
  停止repeat。
完成计算，得到拟合函数$h(\theta)$