1.1 梯度下降
梯度下降,全称Grandient Descent,简称GD。
梯度下降是一种非常通用的优化算法,能够为大范围的问题找到最优解。梯度下降的中心思想就是迭代地调整参数,从而使成本函数最小化。
首先,初始化一个随机的θ值(可设θ=0),然后逐步改进,每次踏出一步,就尝试降低一点成本函数,直到算法收敛出一个最小值,见下图所示。
梯度下降中一个重要的参数是每一步的步长,取决于超参数学习率。如果学习率太低,算法需要经过大量迭代才能收敛,这将消耗很长时间;如果学习率太高,可能会直接跳过最小值,会导致算法发散,值越来越大,达不到实际的优化效果。
梯度下降会有陷阱。如下图所示,左边训练集上特征θ1和特征θ2具有相同的数值规模,收敛的就比较快;右边训练集上特征θ1的值就比特征θ2要小得多,先是沿着全局最小值方向近乎垂直方向前进,接下来一段是平坦的长长的山谷,会抵达最小值,但需要花费很长时间。
应用梯度下降或梯度上升时,需要保证所有特征值的大小比例都差不多(比如使用scikit-learn中的StandardScaler类),量纲不同时需要标准化处理,否则收敛的时间会非常久。
梯度下降步长
:步长,求最小值
:学习率
:成本函数的偏导数
1.1.1 批量梯度下降
批量梯度下降,全称Batch Grandient Descent,简称BGD。
批量梯度下降每一步都使用整批训练集数据,面对非常庞大的训练集时,算法会变得极慢。
要找合适的学习率,可以使用网格搜索,但是需要限制迭代次数。如果设置太低,算法可能在离最优解还很远时就停了;如果设置得太高,模型达到最优解后,继续迭代参数不再变化,又会浪费时间。一个简单的办法是,在开始时设置一个非常大的迭代次数,但是当梯度向量的值变得很微小时中断算法-也就是它的范数变得低于ε(称为容差)时,这时梯度下降几乎达到了最小值。
1.1.2 随机梯度下降
随机梯度下降,全称Stochastic Grandient Descent,简称SGD。
随机梯度下降在每一步训练集中随机选择一个实例,基于单个实例来计算梯度。这种算法的速度会快很多,但最终结果不一定是最小值。它可以逃出局部最优,但缺点是定位不出最小值。要解决这个困境,有一个办法是逐步降低学习率。开始的步长比较大(有助于快速进展和逃离局部最小值),然后越来越小,让算法尽量靠近全局最小值。这个过程叫做模拟退火。
1.1.3 小批量梯度下降
小批量梯度下降,全称Mini-Batch Grandient Descent,简称MBGD。
小批量梯度下降是基于一小部分的随机实例集来计算梯度。
1.1.4 算法比较
算法 |
数据集m很大 |
是否支持核外 |
特征数量n很大 |
超参数 |
是否需要缩放 |
scikit-learn |
标准方程 |
快 |
否 |
慢 |
0 |
否 |
LinearRegression |
BGD |
慢 |
否 |
快 |
2 |
是 |
n/a |
SGD |
快 |
是 |
快 |
>=2 |
是 |
SGDRegressor |
MBGD |
快 |
是 |
快 |
>=2 |
是 |
n/a |
原文地址:https://www.cnblogs.com/cymx66688/p/11405491.html