梯度下降法总结

最新推荐文章于 2023-08-14 14:40:39 发布

转载最新推荐文章于 2023-08-14 14:40:39 发布 · 748 阅读

Algorithms 专栏收录该内容

1 篇文章

订阅专栏

机器学习中梯度下降（Gradient Descent， GD）算法只需要计算损失函数的一阶导数，计算代价小，非常适合训练数据非常大的应用。

梯度下降法的物理意义很好理解，就是沿着当前点的梯度方向进行线搜索，找到下一个迭代点。但是，为什么有会派生出 batch、mini-batch、online这些GD算法呢？

原来，batch、mini-batch、SGD、online的区别在于训练数据的选择上：

	batch	mini-batch	stochastic	online
训练集	固定	固定	固定	实时更新
单次迭代样本数	整个训练集	训练集的子集	单个样本	根据具体算法确定
算法复杂度	高	一般	低	低
时效性	低	一般	一般	高

1.batch GD

每次迭代的梯度方向计算由所有训练样本共同投票决定，损失函数为 $J(\theta)=\frac{1}{2}\sum_{i=1}^m (h(\theta)x_i-y_i)^2$

训练算法为 $\theta:=\theta-\alpha\sum_{i=1}^m(h(\theta)x_i-y_i)$

什么意思呢，batch GD算法是计算损失函数在整个训练集上的梯度方向，沿着该方向搜寻下一个迭代点。”batch“的含义是训练集中所有样本参与每一轮迭代。

2.mini-batch GD

batch GD每一轮迭代需要所有样本参与，对于大规模的机器学习应用，经常有billion级别的训练集，计算复杂度非常高。因此，有学者就提出，反正训练集只是数据分布的一个采样集合，我们能不能在每次迭代只利用部分训练集样本呢？这就是mini-batch算法。

假设训练集有m个样本，每个mini-batch（训练集的一个子集）有b个样本，那么，整个训练集可以分成m/b个mini-batch。我们用 $\omega$ 表示一个mini-batch, 用 $\Omega_j$ 表示第j轮迭代中所有mini-batch集合，有： $\Omega=\{\omega _k:k = 1,2...m/b\}$

那么，mini-batch GD算法流程如下：

for each $\omega _k \in \Omega$

$\theta:=\theta-\alpha\frac{1}{b}\sum_{i=1}^b(h(\theta)x_i-y_i)$

3. stochastic GD (SGD)

随机梯度下降算法（SGD）是mini-batch GD的一个特殊应用。SGD等价于b=1的mini-batch GD。即，每个mini-batch中只有一个训练样本。

4. Online GD

随着互联网行业的蓬勃发展，数据变得越来越“廉价”。很多应用有实时的，不间断的训练数据产生。在线学习（Online Learning）算法就是充分利用实时数据的一个训练算法。

Online GD于mini-batch GD/SGD的区别在于，所有训练数据只用一次，然后丢弃。这样做的好处是可以最终模型的变化趋势。比如搜索广告的点击率(CTR)预估模型，网民的点击行为会随着时间改变。用batch算法（每天更新一次）一方面耗时较长（需要对所有历史数据重新训练）；另一方面，无法及时反馈用户的点击行为迁移。而Online Leaning的算法可以实时的最终网民的点击行为迁移。