这几天在看《统计学习方法》这本书,发现 梯度下降法 在 感知机 等机器学习算法中有很重要的应用,所以就特别查了些资料。
一.介绍
梯度下降法(gradient descent)是求解无约束最优化问题的一种常用方法,有实现简单的优点。梯度下降法是迭代算法,每一步需要求解目标函数的梯度向量。
二.应用场景
1.给定许多组数据(xi, yi),xi (向量)为输入,yi为输出。设计一个线性函数y=h(x)去拟合这些数据。
2.感知机:感知机(perceptron)为二类分类的线性分类模型。 输入为实例的特征向量,输出为实例的类别, 取+1 和 -1 二值。
下面分别对这两种应用场景进行分析。
1.对于第一种场景:
既然是线性函数,在此不妨设为 h(x) = w0*x0 + w1*x1。
此时我们遇到的问题就是如何确定w0和w1这两个参数,即w=(w0,w1)这个向量。
既然是拟合,则拟合效果可以用平方损失函数:E(w)=∑ [ h(x)- y ] ^2 / 2 来衡量。
其中w是权重二维向量,x是输入二维向量,x和y都是训练集的数据,即已知。
至于后面除于2只是为了之后的推导过程中对E求导时候可以消除系数,暂时可以不管。
因此该问题变成了求E(w)最小值的无约束最优化问题
2.对于第二种场景:
假设输入空间(特征向量)为x,输出空间为y = {+1, -1},由输入空间到输出空间的如下函数
f(x) = sign(w · x + b) w∈Rn 其中 w 叫做权值或者权值向量, b叫做偏振。w · x 表示向量w和x的点积
感知机sign(w · x + b)的损失函数为 L(w, b) = -∑yi(w · xi + b) x ∈M, M为误分类点集合。
因此该问题变成了求L(w, b)最小值的无约束最优化问题
三.梯度下降方法
梯度其实就是高数求导方法,对E这个公式针对每个维数(w0,w1)求偏导后的向量▽E(w)=(∂E/∂w0,∂E/∂w1)
1. 对于第一种场景
对E这个公式针对每个维数(w0,w1)求偏导后的向量▽E(w)=(∂E/∂w0,∂E/∂w1)
梯度为最陡峭上升的方向,对应的梯度下降的训练法则为: w=w-η▽E(w) 这里的η代表学习速率,决定梯度下降搜索中的步长 。
上式的w是向量,即可用将该式写成分量形式为:wi=wi-η*∂E/∂wi
现在关键就使计算∂E/∂wi:
推导过程很简单,书上写的很详细,这里只记录结论(其实就是对目标函数求导):
∂E/∂wi=∑(h(x)-y)*(xi)
这里的∑是对样本空间,即训练集进行一次遍历,耗费时间较大,可以使用梯度下降的随机近似:
2. 对于第二种场景
感知机学习算法是误分类驱动的,具体采用随机梯度下降方法
▽wL(w, b) = -∑yixi
▽bL(w, b) = -∑yi
随机选取一个误分类点(xi, yi), 对w, b进行更新:
w <—— w - η * (-yixi)
b <—— b - η * (-yi) 式中η(0 < η <= 1)是步长,在统计学习中又称为学习率(learning rate)
四.随机梯度下降的随机近似:
既然是随机近似,则顾名思义,肯定是用近似方法来改善梯度下降时候的时间复杂度问题。
正如上所说,在∂E/∂wi=∑(h(x)-y)*(xi) 的时候∑耗费了大量的时间,特别是在训练集庞大的时候。
所以肯定有人会猜想,如果把求和去掉如何,即变为∂E/∂wi=(h(x)-y)*(xi)。
幸运的是,猜想成立了。
只是要注意一下标准的梯度下降和随机梯度下降的区别:
1.标准下降时在权值更新前汇总所有样例得到的标准梯度,随机下降则是通过考察每次训练实例来更新。
2.对于步长 η的取值,标准梯度下降的η比随机梯度下降的大。
因为标准梯度下降的是使用准确的梯度,理直气壮地走,随机梯度下降使用的是近似的梯度,就得小心翼翼地走,怕一不小心误入歧途南辕北辙了。
3.当E(w)有多个局部极小值时,随机梯度反而更可能避免进入局部极小值中。
四.代码及实例:
1. 对于第一种场景
1 /* 2 * 随机梯度下降实验: 3 * 训练集输入为矩阵: 4 * 1,4 5 * 2,5 6 * 5,1 7 * 4,2 8 * 输出结果为: 9 * 19 10 * 26 11 * 19 12 * 20 13 * 需要参数为 w: 14 * ? 15 * ? 16 * 17 * 目标函数:y=w0*x0+w1*x1; 18 * 19 * */ 20 #include<stdio.h> 21 #include <stdlib.h> 22 int main() 23 { 24 double matrix[4][2]={{1,4},{2,5},{5,1},{4,2}}; 25 double result[4]={19,26,19,20}; 26 double w[2]={0,0};//初始为零向量 27 double loss=10.0; 28 const double n = 0.01; //步长 29 for(int i=0;i<100&&loss>0.001;i++) 30 { 31 double error_sum=0; 32 int j=i%4; 33 { 34 double h=0; 35 for(int k=0;k<2;k++) 36 { 37 h+=matrix[j][k]*w[k]; 38 } 39 error_sum = h - result[j]; 40 for(int k=0;k<2;k++) 41 { 42 w[k]-= n * (error_sum) * matrix[j][k];//这里是关键 43 } 44 } 45 printf("%lf,%lf\n",w[0],w[1]); 46 double loss=0; 47 for(int j=0;j<4;j++) 48 { 49 double sum=0; 50 for(int k=0;k<2;k++) 51 { 52 sum += matrix[j][k] * w[k]; 53 } 54 loss += (sum - result[j]) * (sum-result[j]); 55 } 56 printf("%lf\n",loss); 57 } 58 59 system("pause"); 60 return 0; 61 }
结果可以得出 w0=3,w1=4。
1 /* 2 * 基于感知机的随机梯度下降实验: 《统计学习方法》- p29-例2.1 3 * 训练集输入为矩阵: 4 * 3,3 5 * 4,3 6 * 1,1 7 * 输出结果为(表示实例的分类): 8 * 1 9 * 1 10 * -1 11 * 需要参数为 w: 12 * ? 13 * ? 14 * 15 * 目标函数:y = w0 * x0 + w1 * x1 + b; 16 * 17 * */ 18 #include<stdio.h> 19 #include <stdlib.h> 20 int main() 21 { 22 double x[3][2]={{3,3},{4,3},{1,1}}; 23 double y[4]={1, 1, -1}; 24 double w[2]={0,0};//初始为零向量 25 double b = 0; 26 int j; 27 const double n = 1; //步长 28 29 while(1) 30 { 31 for(j=0;j<3;j++) 32 { 33 if(y[j] * (w[0] * x[j][0] + w[1] * x[j][1] + b) <= 0) 34 break; 35 } 36 if(j < 3) 37 { 38 for(int k=0;k<2;k++) 39 w[k] += n * y[j] * x[j][k];//这里是关键 40 b += n * y[j]; 41 } 42 else 43 break; 44 printf("%d :%lf,%lf %lf\n", j, w[0], w[1], b); 45 46 } 47 48 system("pause"); 49 return 0; 50 }
结果可以得出 w0=1,w1=1, b = -3 。