Datawhale 深度学习task03 ---梯度下降（P5-P8）

error来自于什么地方

• 一个来自于bias，一个来自于variance
• 你的estimator是不是biased，判断标准$E[f^{\ast }]=\hat{f}$ (有没有瞄准靶心🎯)
  
• 这样你的$\hat{f}$与靶心之间就是有一个bias的
• 每一个$f^{\ast }$与$\hat{f}$之间的距离就是一个variance
• 比较简单的model就是bias比较大，variance比较小
• 比较复杂的model就是bias比较小，variance比较大
• 如果你的error来自于bias很大，那么就是underfitting。如果你的error来自于variance很大，那么就是overfitting。

what to do with large variance

• more data：很高效，不会对bias有所影响，但是往往我们没有那么多的data
• Regularization：可能会伤害bias
• 一般select a model可以平衡这两种误差
  
• 除了Cross Validation，还可以N-fold Cross Validation

梯度下降

Tip1: Tuning your learning rate

• 最好画出右边这个图，看看learning rate有没有太大或者太小
• 自动调节learning rate
  一般来说一开始learning rate要设置比较大，随着epoch次数的增多，learning rate逐渐减小
  比如： ${\eta }^t=\eta /\sqrt{t+1}$ （t为迭代的次数）
• 但是learning rate并不是one-size-fits-all,最好还是每一个参数都设置不同的learning rate
  • 其中最好做的就是Adagrad
    
• 
• 这里是过去所有的参数微分的root mean square，不能看作上一个微分的root mean square
  
• 但在这个更新式子中，larger gradient, 在分子处是larger steps,在分母处确实smaller steps
• 在只考虑一个参数的时候，更新参数选择和微分成正比
• 
• 所以最好的更新方向应该与二次微分呈反比，与一次微分成正比。这样才能比较准确的反映这个点和最低点之间的距离
• Adagrad就类似于这里

Stochastic Gradient Descent