梯度下降

梯度下降

直白点说就是我们希望使Cost Function最小，通过对目标函数的W（权重）求偏导，来更新W的一个过程。

很多情况下，我们只能找到的是局部最优解，如果损失函数是凸函数的话我们也可以找到全局最优。那么就需要对梯度下降进行优化。在机器学习中，有俩种梯度下降的优化过程，一个是随机梯度下降，一个是批量梯度下降。

BGD（Batch Gradient Descent）更新每一个参数都会使用所有的样本，用于在已知真个训练集是的一种训练方式，但是对于大规模数据并不合适。batch指的是每次更新theta都需要所有的数据集。

引用(-柚子皮-）博客的一段话，对于批量梯度下降法，样本个数m，x为n维向量，一次迭代需要把m个样本全部带入计算，迭代一次计算量为m*n2.但是这个算法有俩个缺陷:数据集很大的时候，训练过程计算量太大；需要得到所有的数据才能开始训练点。

为此，引入了另外一种方法，随机梯度下降（SGD,Stochastic Gradient Descent）。
随机梯度下降对损失函数进行了改写：

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theta迭代到最优解了，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。但是，SGD伴随的一个问题是噪音较BGD要多，使得SGD并不是每次迭代都向着整体最优化方向。

关于最优解的问题

批量梯度下降是最小化所有训练样本的损失函数，使得最终求解的是全局的最优解，即求解的参数是使得风险函数最小，但是会受到数据量的限制。随机梯度下降是最小化每条样本的损失函数，虽然不是每次迭代得到的损失函数都向着全局最优方向， 但是大的整体的方向是向全局最优解的，最终的结果往往是在全局最优解附近。