一. 梯度下降
1. 什么叫梯度下降?
假设现在在一个二维空间,只有x,y坐标。我模拟一个简单的场景:
梯度下降法的基本思想可以类比为一个游客下山的过程。假如一个人被困在山上,需要下山(也就是找到山的最低点)。但此时山上的浓雾很大,导致可视度很低。因此,下山的路径就无法确定,他必须利用自己周围的信息去找到下山的路径。这个时候,他就可以利用梯度下降算法来帮助自己下山。具体来说就是,以他当前的所处的位置为基准,寻找这个位置最陡峭的地方,然后朝着山的高度下降的地方走,同理,如果我们的目标是上山,也就是爬到山顶,那么此时应该是朝着最陡峭的方向往上走。然后每走一段距离,重复之前的方法,最后就能成功的抵达山下(找到最低点)。
2. 梯度
上面我们说了要想下山要找最陡峭的方向,不断往下走,那么最陡峭指的是什么呢?还记得斜率吗,沿着当前所在点的斜率的方向,就是最陡峭的方向。