梯度下降算法
机器学习中常见的最小化问题是:
m
i
n
:
f
(
w
)
=
∑
i
=
1
N
f
i
(
w
)
min :f(w)=\sum_{i=1}^{N}{f_{i}(w)}
min:f(w)=∑i=1Nfi(w)
例如:可认为每一项都是一个数据点的残差
1.经典梯度下降
一般的考虑就是,随机选取
w
w
w,之后
计算梯度
∇
f
\nabla f
∇f,之后对于
w
w
w,用下面办法更新
w
t
=
w
t
−
1
−
α
∇
f
(
w
t
−
1
)
w_{t}=w_{t-1}-\alpha\nabla f(w_{t-1})
wt=wt−1−α∇f(wt−1)
收敛性好,但是,容易出现陷入局部极值,并且单步计算量大
2.随机梯度下降
N 是一个随机变量,服从均匀分布
{
1
,
2
,
.
.
.
,
n
}
\{1,2,...,n\}
{1,2,...,n},按下面办法更新
w
t
w_{t}
wt
w
t
=
w
t
−
1
−
α
∇
f
N
(
w
t
−
1
)
w_{t}=w_{t-1}-\alpha\nabla f_{N}(w_{t-1})
wt=wt−1−α∇fN(wt−1)
即使对于凸函数,这个东西也不一定收敛,实际上
f
N
(
w
t
−
1
)
f_{N}(w_{t-1})
fN(wt−1)作为一个估计量,确实是无偏的,但是未必是一致的。
由此,公式应当调整为
w
t
=
w
t
−
1
−
α
t
−
1
∇
f
N
(
w
t
−
1
)
,
α
t
=
α
0
/
(
1
+
λ
t
)
w_{t}=w_{t-1}-\alpha_{t-1}\nabla f_{N}(w_{t-1}) , \alpha_{t} = \alpha_{0}/(1+\lambda t)
wt=wt−1−αt−1∇fN(wt−1),αt=α0/(1+λt)
收敛速度明显变慢
3.半随机梯度下降
算法流程:
for k in {1,...,}
g = grad(f)(w_k)
y = w_k
T = 随机获得的t P(T = t) = (1 - lamda * alpha) ** -t
for i in {1,...,t}
n is a random int from {1,...,N}
y = y - a(g - grad(f_n)(y) + grad(f_n)(w_k));
w_k+1 = y
这种下降方式,实际上计算量还超过了梯度下降,但是其中加入了一些随机的因素,或许可以防止陷入极小值。
收敛速度也是基本和梯度下降差不多。
4. 平均梯度下降
这种下降带有某种记忆性
g_list = [0,...0];
for k in {1,...,}
N = random.randint(1, n);
w_k -= alpha/N * (sum([g_list[i] for i in range(0, n) if i != N]) +
grad(f_N)(w_k))
g_N = grad(f_N)(w_k)
算法的弊病在于空间复杂度O(N).