ML2 - 梯度下降 Gradient Descent

3.Gradient Descent

3.1 Tuning Learning Rates

Gradient Descent.png

梯度下降算法中最重要的參數(shù)是學(xué)習(xí)速率η。學(xué)習(xí)速率過(guò)小,迭代過(guò)慢帝嗡,花費(fèi)時(shí)間長(zhǎng)轧拄;學(xué)習(xí)速率過(guò)大,會(huì)躍過(guò)最小值點(diǎn),無(wú)法使損失函數(shù)降到最低,永遠(yuǎn)無(wú)法找到最小值點(diǎn)。如下圖:

image.png

一種流行而簡(jiǎn)單的想法是每隔一段時(shí)間根據(jù)一些因素減小學(xué)習(xí)速率

  • 開(kāi)始時(shí)我們遠(yuǎn)離目標(biāo)點(diǎn)光羞,所以可以前進(jìn)得快一些,使用較大的學(xué)習(xí)速率
  • 在經(jīng)歷幾次迭代之后怀大,離目標(biāo)點(diǎn)比較接近時(shí)減小學(xué)習(xí)速率
  • 舉例:可以假設(shè)學(xué)習(xí)速率是依賴(lài)迭代次數(shù)的纱兑,在第t次更新參數(shù)時(shí)(其中η是常數(shù))
image.png

另外,需要注意的是不同的參數(shù)應(yīng)該是設(shè)置不一樣的學(xué)習(xí)速率化借。這是因?yàn)閾p失函數(shù)在不同的參數(shù)方向上陡峭程度不太一樣潜慎。
最簡(jiǎn)單的一種方法是Adagrad(還有很多其他的方法)

Adagrad.png

化簡(jiǎn)后:
image.png

那么為什么可以用這樣子的方法呢?
回顧一下蓖康,選擇學(xué)習(xí)速率需要考慮以下幾個(gè)因素:

  • 越靠近目標(biāo)點(diǎn)铐炫,學(xué)習(xí)速率越小 ----方法是η除以t+1的平方根,上圖是紅色部分
  • 不同參數(shù)使用不同的學(xué)習(xí)速率 --所有之前關(guān)于參數(shù)w的微分的均方差就是達(dá)到這個(gè)目的蒜焊,上圖藍(lán)色部分

在一個(gè)參數(shù)的時(shí)候倒信,微分越大意味著距離目標(biāo)點(diǎn)越遠(yuǎn);但是當(dāng)有兩個(gè)參數(shù)時(shí)泳梆,雖然L關(guān)于w1的微分值大于L關(guān)于w2的微分值鳖悠,但是距離目標(biāo)點(diǎn)的遠(yuǎn)近卻很難說(shuō),因?yàn)楹芸赡躄在w1方向上下降特別快优妙,雖然微分值大了些乘综,可能反而更加接近目標(biāo)點(diǎn)。
反映損失函數(shù)L關(guān)于參數(shù)變化的快慢通常使用二次微分套硼,但是有時(shí)候會(huì)遇到當(dāng)參數(shù)很多的時(shí)候計(jì)算一次微分就很慢卡辰,再計(jì)算二次就花費(fèi)太多的時(shí)間,所以Adagrad在不增加計(jì)算量的情況下熟菲,使用了一次微分來(lái)估算二次微分看政。

3.2 隨機(jī)梯度下降 SGD

與一般梯度下降的不同點(diǎn)在于,損失函數(shù)只是針對(duì)一個(gè)樣本的抄罕,每次針對(duì)一個(gè)樣本來(lái)更新參數(shù)。SGD計(jì)算速度更快于颖,雖然不是每次迭代都向著全局最優(yōu)方向呆贿,但是大的總體方向是向著全局最優(yōu)方向的。

3.3 Feature Scaling

對(duì)于不同的特征,如果數(shù)據(jù)量綱不同做入,那么x1和x2的變化對(duì)于y的影響不一樣大冒晰,從而對(duì)于LOSS函數(shù)的影響也不一樣大,所以在使用Gradient Descent時(shí)不同參數(shù)一定要使用不同的速率竟块,除非用Adagrad不然比較難算壶运。我們可以看到用一般梯度下降,更新參數(shù)的時(shí)候方向是順著等高線方向浪秘,而不是朝著最低點(diǎn)方向蒋情,所以進(jìn)行feature scaling后,參數(shù)更新比較有效率耸携。

Feature Scaling.png

Feature Scaling 的方法
有很多feature scaling方法棵癣,常用的是標(biāo)準(zhǔn)化,對(duì)所有data每一維進(jìn)行標(biāo)準(zhǔn)化

3.4 Gradient Descent Theory

梯度下降方法是基于泰勒展開(kāi)的夺衍,所以要使得每次迭代后損失函數(shù)變小狈谊,必須保證學(xué)習(xí)速率η無(wú)限小。

.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末沟沙,一起剝皮案震驚了整個(gè)濱河市河劝,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌矛紫,老刑警劉巖丧裁,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異含衔,居然都是意外死亡煎娇,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)贪染,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)缓呛,“玉大人,你說(shuō)我怎么就攤上這事杭隙∮窗恚” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵痰憎,是天一觀的道長(zhǎng)票髓。 經(jīng)常有香客問(wèn)我,道長(zhǎng)铣耘,這世上最難降的妖魔是什么洽沟? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮蜗细,結(jié)果婚禮上裆操,老公的妹妹穿的比我還像新娘怒详。我一直安慰自己,他們只是感情好踪区,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布昆烁。 她就那樣靜靜地躺著,像睡著了一般缎岗。 火紅的嫁衣襯著肌膚如雪静尼。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,816評(píng)論 1 290
  • 那天传泊,我揣著相機(jī)與錄音鼠渺,去河邊找鬼。 笑死或渤,一個(gè)胖子當(dāng)著我的面吹牛系冗,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播薪鹦,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼掌敬,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了池磁?” 一聲冷哼從身側(cè)響起奔害,我...
    開(kāi)封第一講書(shū)人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎地熄,沒(méi)想到半個(gè)月后华临,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡端考,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年雅潭,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片却特。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡扶供,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出裂明,到底是詐尸還是另有隱情椿浓,我是刑警寧澤,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布闽晦,位于F島的核電站扳碍,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏仙蛉。R本人自食惡果不足惜笋敞,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望捅儒。 院中可真熱鬧液样,春花似錦振亮、人聲如沸巧还。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)麸祷。三九已至澎怒,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間阶牍,已是汗流浹背喷面。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留走孽,地道東北人惧辈。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像磕瓷,于是被迫代替她去往敵國(guó)和親盒齿。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容