数学来了
假设是年龄的参数, 是工资的参数
拟合的平面: ( 是偏置项)
整合:
误差
真实值和预测值之间肯定是要存在差异的 (用来表示该误差)
对于每个样本:
误差是独立并且具有相同的分布, 并且服从均值为0方差为的高斯分布
独立:张三和李四一起来贷款,他俩没关系
同分布:他俩都来得是我们假定的这家银行
高斯分布:银行可能会多给,也可能会少给,但是绝大多数情况下 这个浮动不会太大,极小情况下浮动会比较大,符合正常情况
预测值与误差: (1)
由于误差服从高斯分布: (2)
将(1)式带入(2)式:
似然函数:
解释:什么样的参数跟我们的数据组合后恰好是真实值
对数似然:
解释:乘法难解,加法就容易了,对数里面乘法可以转换成加法
展开化简:
目标:让似然函数(对数变换后也一样)越大越好。也就是(最小二乘法)越小越好
目标函数:
求偏导过程:
令偏导数等于0:
梯度下降算法
引入:当我们得到了一个目标函数后,如何进行求解? 直接求解?(并不一定可解,线性回归可以当做是一个特例)
常规套路:机器学习的套路就是我交给机器一堆数据,然后告诉它 什么样的学习方式是对的(目标函数),然后让它朝着这个方向去做
如何优化:一口吃不成个胖子,我们要静悄悄的一步步的完成迭代 (每次优化一点点,累积起来就是个大成绩了)
目标函数:
寻找山谷的最低点,也就是我们的目标函数终点 (什么样的参数能使得目标函数达到极值点)
沿着方向导数(梯度)下降最快的方向即为山谷方向
下山分几步走呢?(更新参数)
- 找到当前最合适的方向
- 走那么一小步,走快了该”跌倒 ”了
-
按照方向与步伐去更新我们的参数
批量梯度下降(Batch Gradient Descent,BGD)
批量梯度下降法是最原始的形式,它是指在每一次迭代时使用所有样本来进行梯度的更新。从数学上理解如下:
对目标函数求偏导:
其中表示样本数,偏置项
每次迭代对参数进行更新:
优缺点:容易得到最优解,但是由于每次考虑所有样本,速度很慢
优点:
- 一次迭代是对所有样本进行计算,此时利用矩阵进行操作,实现了并行。
- 由全数据集确定的方向能够更好地代表样本总体,从而更准确地朝向极值所在的方向。当目标函数为凸函数时,BGD一定能够得到全局最优。
缺点:
- 当样本数目 m 很大时,每迭代一步都需要对所有样本计算,训练过程会很慢。
- 从迭代的次数上来看,BGD迭代的次数相对较少
随机梯度下降(Stochastic Gradient Descent,SGD)
随机梯度下降法不同于批量梯度下降,随机梯度下降是每次迭代使用一个样本来对参数进行更新。使得训练速度加快。
对于一个样本的目标函数为:
对目标函数求偏导:
参数更新:
优点:
- 由于不是在全部训练数据上的损失函数,而是在每轮迭代中,随机优化某一条训练数据上的损失函数,这样每一轮参数的更新速度大大加快。
缺点:
- 准确度下降。由于即使在目标函数为强凸函数的情况下,SGD仍旧无法做到线性收敛。
- 可能会收敛到局部最优,由于单个样本并不能代表全体样本的趋势。
- 不易于并行实现。
小批量梯度下降(Mini-Batch Gradient Descent, MBGD)
小批量梯度下降,是对批量梯度下降以及随机梯度下降的一个折中办法。其思想是:每次迭代 使用 ** batch_size** 个样本来对参数进行更新.
参数更新:
优点:
- 通过矩阵运算,每次在一个batch上优化神经网络参数并不会比单个数据慢太多。
- 每次使用一个batch可以大大减小收敛所需要的迭代次数,同时可以使收敛到的结果更加接近梯度下降的效果。
- 可实现并行化。
缺点:
- batch_size的不当选择可能会带来一些问题。