机器学习之梯度下降法---梯度下降法分析

　梯度下降法的基本思想是函数沿着其梯度方向增加最快，反之，沿着其梯度反方向减小最快。在前面的线性回归和逻辑回归中，都采用了梯度下降法来求解。梯度下降的迭代公式为：

θj=θj−α∂J(θ)∂θj

　　在回归算法的实验中，梯度下降的步长α为0.01，当时也指出了该步长是通过多次时间找到的，且换一组数据后，算法可能不收敛。为什么会出现这样的问题呢？从梯度下降法的出发点可以看到，算法指出了行进的方向，但没有明确要行进多远，那么问题就来了，步子太小，走个一千一万年都到不了终点，而步子太大，扯到蛋不说，还可能越跑越远。

　　如上图，蓝色为一个碗形函数，其最小值在x=2那点，假如从x=0开始迭代，即是图中点1，此时知道应该向右走，但步子太大，直接到点2 了，同样点2处知道该往左走，结果又跑太远到点3了，…，这样越走越偏离我们的终点了。此情况的验证可以直接把前面回归算法的步长改大，比如把线性回归迭代步长改为10，要不了几次迭代结果就是Nan了。

　　这样有一点需要说明下，同样的步长α，为何从1到2和2到3的长度不一致？因为1-6点的梯度是逐步增大的，故虽然步长相同，但移动的距离却越来越远，从而进入了一个恶性循环了。

解决方法

　　1.手动测试法

　　顾名思义，此方法需要手动进行多次实验，不停调整参数，观测实验效果，最终来确定出一个最优的步长。那么如何判断实验效果的好坏呢？一种常用的方法是观察代价函数（对线性回归而言）的变化趋势，如果迭代结束后，代价函数还在不停减少，则说明步长过小；若代价函数呈现出振荡现象，则说明步长过大。如此多次调整可得到较合理的步长值。

显然，该方法给出的步长对于这组训练样本而言是相对较优的，但换一组样本，则需要重新实验来调整参数了；另外，该方法可能会比较累人~~

　　2.固定步进

　　这是一个非常保险的方法，但需要舍弃较多的时间资源。既然梯度下降法只给出方向，那么我们就沿着这个方向走固定路程，即将梯度下降迭代公式修改为：

θj=θj−αsign(∂J(θ)∂θj)

　　其中的sign是符号函数。

　　那么α取多大呢？就取可容许的最小误差，这样的迭代方式可以保证必然不会跨过最终点，但需要耗费更多次迭代。

　　3.步长衰减

　　步长衰减主要考虑到越接近终点，每一步越需要谨慎，故把步长减小，宁肯多走几步也绝不踏错一步。在吴恩达公开课中，他也提到了可在迭代中逐步减少步长。那如何减少步长？通常可以有这么几种做法：

　　A．固定衰减。比如每次迭代后，步长衰减为前一次的某个比例（如95%）。

　　B．选择性衰减。根据迭代状态来确定本次是否衰减，可以根据梯度或代价函数的情况来确定。比如，若此次迭代后代价函数增加了，则说明上次迭代步长过大，需要减小步长，否则保持不变，这么做的一个缺点是需要不停计算代价函数，训练样本过多可能会大大增加耗时；也可以根据梯度变化情况来判断，我们知道我们的终点是梯度为0的地方，若本次迭代后的梯度与前一次的梯度方向相反，则说明跨过了终点，需要减小步长。

　　显然，采用步长衰减的方式，同样也依赖于初始步长，否则可能不收敛。当然其相对于固定步长，则会更具稳定性。

　　4.自适应步长

　　此方法思想来源与步长衰减。在每次迭代，按照下面步骤来计算步长：

　　A．设置一个较大的初始步长值

　　B．计算若以此步长移动后的梯度

　　C．判断移动前后梯度方向是否会改变，若有改变，将步长减半，再进行A步；否则，以此步长为本次迭代的步长。

　　还是以上面那个图像来说明下。首先，初始点1在x=0处，按照初始步长则应该移动到点2x=5处，可点1和2处梯度方向改变了，那边步长减半则应该到点Ax=2.5处，点1与A的梯度还是不同，那再将步长减半，则移动到点Bx=1.25处，由于点1与B的梯度方向相同，则此次迭代将从1移动到B。

　　显然，该方法不会收到初始步长的影响，每次自动计算使得不会跨过终点的最大步长值。另一方面，从计算量上讲，有可能会比原来的方式更大，毕竟有得有失，你不用自己去一次次修改参数->运行程序->观察结果->…->修改参数。具体代码只需对原回归算法的代码略做修改即可。

　　将原回归算法迭代中的2行代码

1         Grad = CalcGrad(TX, TY, Theta, fun);
2         Theta = Theta + Alpha .* Grad;

　　修改为

 1         Alpha = 16 * ones(n, 1);
 2         Theta0 = Theta;
 3         Grad0 = CalcGrad(TX, TY, Theta0, fun);
 4         while(min(Alpha) > eps)
 5             Theta1 = Theta0 + Alpha .* Grad0;
 6             Grad1 = CalcGrad(TX, TY, Theta1, fun);
 7             s = sign(Grad1 .* Grad0);
 8             if (min(s)>=0)
 9                 break;
10             end
11
12             s(s==-1) = 0.5;
13             s(s==0) = 1;
14             Alpha = Alpha .* s;
15         end
16         Grad = Grad0;
17         Theta=Theta1;

　　即可实现。

补充说明

http://www.cnblogs.com/jcchen1987/p/4441743.html#undefined