1. 概念
梯度下降法(Gradient Descent)又称最速下降法(Steepest descent)是一种常用的一阶优化方法,是一种用于求解无约束最优化问题的最常用的方法。它选取适当的初始值,并不断向负梯度方向迭代更新
,实现目标函数的极小化,直到收敛。
2. 梯度下降的直观解释
以下山法作为类别,我们想要从山的某个位置下山,但我们并不知道山脚的位置,只能走一步算一步。从当前位置出发,往当前位置的负梯度方向走一步,即往最陡峭的方向往下走一步。然后继续求解当前位置的梯度,往负梯度方向走一步。不停走下去,一直走到我们认为已经到了山脚的位置。当然,也有可能,我们没办法到山脚,而是到了一个小山丘底部。
当目标函数是凸函数的时候,梯度下降法可以确保找到全局最优解;否则不一定能找到全局最优解,可能会陷入局部最优解。
3. 梯度下降法的原理
考虑最优化问题,其中
具有一阶连续偏导数。若第
次迭代值为
,对
在
处进行一阶泰勒展开:
(1)
凸函数
的某一小段
由上图黑色曲线表示,可以利用线性近似的思想求出
的值,如上图红色直线。该直线的斜率等于
在
处的导数。则根据直线方程,很容易得到
的近似表达式为:
这就是一阶泰勒展开式的推导过程,主要利用的数学思想就是曲线函数的线性拟合近似。
其中,是微小矢量,大小是步长
,类比于下山过程中的一步。
是标量,
的单位向量用
表示,则
可以表示为:
(2)
此时,(1)可以化为:
(3)
我们希望每次迭代,都能使变小,也就是说希望有:
(4)
由于是标量,且一般设定为正值,因此
可以忽略。由于
和
都是向量,根据向量的乘积公式可以将(4)转换为:
(5)
当和
反向时,
,可以使得
最小,且为负。即
的方向是使局部的目标函数下降最快的方向。得到
为:
(6)
以上解释了为什么局部下降最快的方向就是梯度的负方向。
将(6)中的最优解代入(2)中,得到
的更新表达式为:
(7)
由于是标量,可以吸收入
里面,梯度下降算法的更新表达式就变成了:
(8)
以上就是梯度下降算法公式的数学推导过程。
4. 算法描述
输入:目标函数、梯度函数
,计算精度
。
输出:的极小点
。
(1)初始化相关参数。取初始值,置迭代次数
.
(2)计算当前位置的目标函数。
(3)计算当前位置的目标函数的梯度。如果
,则迭代结束,
。否则,继续往下走。
(4)更新。
,如果
或者
,则停止迭代,令
。否则,将迭代次数置为
,转到(3)继续迭代。
在机器学习中,目标函数实际上就是代价函数
。
5. 梯度下降法种类
5.1 批量梯度下降法(Batch Gradient Descent,BGD)
批量梯度下降法是梯度下降法最常用的形式。每次更新参数要使用所有的样本进行计算。
假设目标函数为:
求偏导得:
批量梯度下降法的更新公式为:
5.2 随机梯度下降法(Stochastic Gradient Descent,SGD)
随机梯度下降法与批量梯度下降法类似。每次更新参数只使用随机的一个样本进行计算。
随机梯度下降法的更新公式为:
批量梯度下降法和随机梯度下降法的区别是什么?
(1)批量梯度下降法每次使用所有数据来更新参数,训练速度慢;
(2)随机梯度下降法每次只使用一个数据来更新参数,训练速度快;但迭代方向变化大,不一定每次都朝着收敛的方向,不能很快地收敛到局部最优解。
5.3 小批量梯度下降法(Mini-Batch Gradient Descent,MBGD)
小批量梯度下降法是批量梯度下降法和随机梯度下降法的一个折中。每次更新参数选择一小部分数据计算。
选择个数据,
。
小批量梯度下降法的更新公式为:
6. 局部最优解解决方法
如第二节(梯度下降的直观解释)中描述的,如果目标函数具有多个局部极小值,不能保证找到的解是全局最优解。为了解决这一问题,常采用以下策略来试图跳出局部最优:
1. 以多组不同参数值进行初始化,这样有可能陷入不同的局部极小,从中进行选择有可能获得更接近全局最小的结果;
2. 使用“模拟退火”技术,在每一步都以一定概率接收比当前解更差的结果,有助于跳出局部极小;
3. 使用随机梯度下降,最小化每个样本的损失函数,而不是最小化整体的损失函数,虽然不是每次迭代得到的损失函数都朝着收敛的方向, 但是整体的方向是朝着全局最优解的,最终的结果往往是在全局最优解附近。
参考文献:
1.《 统计学习方法》附录A梯度下降法——李航