机器学习：梯度下降法（调试、其它思考）

一、梯度下降法的调试

　1）疑问 / 难点

• 如何确定梯度下降法的准确性？

• 损失函数的变量 theta 在某一点上对应的梯度是什么？

• 在更负责的模型中，求解梯度更加不易；

• 有时候，推导出公式后，并将其运用到程序中，但当程序运行时，有时对梯度的计算可能会出现错误，怎么才能发现这种错误？

　2）梯度下降法的调试思路

• 关于导数的理解，参考：高数：关于导数；

• 调试思路：

1. 如果机器学习的算法涉及到求解梯度，先使调试方式求出梯度，提前得到此机器学习算法的正确结果；
2. 用数学推导方式（根据算法模型推导出的求解梯度的公式）求出梯度的数学解，将数学解带入机器学习算法中，得出结果；
3. 对比两种最终得到的结果是否一致，如果一样，则此数学推导公式可用，如果不一样，则此数学推导公式待改进；

　3）公式的确定

• 导数的推导过程
• 公式：
• 

• 梯度的求解的思路，与导数类似
• 

• 最终推导出的调试的公式

1. θ：损失函数的变量（theta）
2. θ₁⁺  =  θ + ε：表示 θ 右侧的点的变量；
3. θ₁^-  =  θ - ε：表示 θ 左侧的点的变量；
4. θ₁⁺  -  θ  ==  θ  -  θ₁^-  ==  ε

• 调试公式的特点：时间复杂度高，每求一次梯度都要花相当多的时间，因此一般此种求解梯度的方式只用于调试；

　4）代码实现

• 数学模型推导方式求梯度

  import numpy as np
  import matplotlib.pyplot as plt
  
  np.random.seed(666)
  X = np.random.random(size=(1000, 10))
  true_theta = np.arange(1, 12, dtype=float)
  
  X_b = np.hstack([np.ones((len(X), 1)), X])
  y = X_b.dot(true_theta) + np.random.normal(size=1000)
  
  def J(theta, X_b, y):
      """求当前 theta 的损失函数"""
      try:
          return np.sum((y - X_b.dot(theta)) ** 2) / len(X_b)
      except:
          return float(‘inf‘)
  
  def dJ_math(theta, X_b, y):
      """使用模型推导公式求当前 theta 对应的梯度"""
      return X_b.T.dot(X_b.dot(theta) - y) * 2. / len(y)true_theta

1. true_theta：有 11 个元素，因为包含截距；
2. true_theta = np.arange(1, 12, dtype=float)：是一个一位数组，并没有转置为向量；
3. X_b.dot(true_theta) + np.random.normal(size = 1000)：此时用 矩阵 . dot(一维数组) + 一维数组；

• 调试方式求梯度：

  def dJ_debug(theta, X_b, y, epsilon=0.01):
      """使用调试方式求当前 theta 对应的梯度"""
  
      res = np.empty(len(theta))
      for i in range(len(theta)):
          theta_1 = theta.copy()
          theta_1[i] += epsilon
          theta_2 = theta.copy()
          theta_2[i] -= epsilon
          res[i] = (J(theta_1, X_b, y) - J(theta_2, X_b, y)) / (2*epsilon)
  
      return res

1. res：当前 theta 对应的梯度；
2. theta_1 = theta.copy()：将 theta 向量复制给 theta_1；#  此处的 copy() 是序列的方法；
3. 特点：由于该求解过程与函数 J() 的内部实现无关，该过程适用于所有函数的梯度求解；

• 批量梯度下降法优化

  def gradient_descent(dJ, X_b, y, initial_theta, eta, n_iters=10**4, epsilon=10**-8):
  
      theta = initial_theta
      cur_iter = 0
  
      while cur_iter < n_iters:
          gradient = dJ(theta,X_b, y)
          last_theta = theta
          theta = theta - eta * gradient
          if (abs(J(theta, X_b, y) - J(last_theta, X_b, y)) < epsilon):
              break
  
          cur_iter += 1
  
      return theta

1. dJ：代表求梯度的函数，这里作为参数，可以传入不同方法求解梯度；

• 初始化后得到结果（一）：使用调试方式求解梯度

  initial_theta = np.zeros(X_b.shape[1])
  eta = 0.01
  
  %time theta = gradient_descent(dJ_debug, X_b, y, initial_theta, eta)
  theta
  # 输出：Wall time: 4.89 s
         array([ 1.1251597 ,  2.05312521,  2.91522497,  4.11895968,  5.05002117,
          5.90494046,  6.97383745,  8.00088367,  8.86213468,  9.98608331,
         10.90529198])

1. initial_theta：theta 的初始化值，为一个向量，一般设置为全 0 向量；

• 初始化后得到结果（二）：使用模型推导的公式求解梯度

  %time theta = gradient_descent(dJ_math, X_b, y, initial_theta, eta)
  theta
  # 输出：Wall time: 652 ms
         array([ 1.1251597 ,  2.05312521,  2.91522497,  4.11895968,  5.05002117,
          5.90494046,  6.97383745,  8.00088367,  8.86213468,  9.98608331,
         10.90529198])

• 两种结果对比：

1. 调试公式求梯度，最终可以得到结果，但运行速度较慢；
2. 通过（dJ_debug 函数）计算过程可以看出，这种调试方法对梯度的计算，适用于一切目标函数；

二、梯度下降法的其它思考

• 注：计算中有看不懂的地方，要对照着公式的推导过程理解；

　1）梯度下降法类型类

• 批量梯度下降法（Batch Gradient Descent）

1. 每一次都对所有样本进行计算，求出梯度
2. 缺点：运算速度较慢；
3. 优点：稳定，按此梯度方向，损失函数一定减小最快；

• 随机梯度下降法（Stochastic Gradient Descent）

1. 每一次只对随机抽取的一个样本，求出其梯度，作为 theta 的优化方向；
2. 优点：运算速度较快；
3. 缺点：不稳定，每一次的优化方向是不确定的，甚至有可能像反方向优化；

• 小批量梯度下降法（Mini-Batch Gradient Descent）

1. 综合了批量梯度下降法和随机梯度下降法的优点，避免了它们的确定；
2. 思路：每次计算优化的方向（梯度），即不是查看所有样本也不只看一个样本，而是每次抽取 k 个样本，把这 k 个样本的梯度作为优化方向；
3. 优点（一）：比批量梯度下降法运算量小，速度快；
4. 优点（二）：比随机梯度下降法更稳定，获取的优化方向更能偏向批量梯度下降法中的梯度方向；
5. 缺点：增加了一个新的超参数 k ，每一批该去多少个样本？
6. k 个样本的梯度求解：和批量梯度下降法的求解过程一样；

　2）随机的优点

1. 跳出局部最优解：更能找到损失函数的整体最优解，而不像批量梯度下降法那样，每次选取初始值后，可能只优化得到一个局部最小值，而不是损失函数整体的最小值；
2. 更快的运行速度
3. 机器学习领域很多算法都要使用随机的特点：随机森林、随机搜索

• 机器学习领域解决的本身就是在不确定的世界中的不确定的问题，它本身可能就没有一个固定的最优解，因此随机扮演了一个重要的角色；

　3）梯度下降法理解回顾

1. 不是一个机器学习算法
2. 是一种基于搜索的最优化方法
3. 作用：最小化一个损失函数

• 梯度上升法

1. 作用：最大化一个效用函数；
2. 每次参数 theta 加上变化量；

原文地址：https://www.cnblogs.com/volcao/p/9154872.html