可扩展机器学习——梯度下降(Gradient Descent)

注：这是一份学习笔记，记录的是参考文献中的可扩展机器学习的一些内容，英文的PPT可见参考文献的链接。这个只是自己的学习笔记，对原来教程中的内容进行了梳理，有些图也是引用的原来的教程，若内容上有任何错误，希望与我联系，若内容有侵权，同样也希望告知，我会尽快删除。这部分本应该加上实验的部分，实验的部分在后期有时间再补上。

可扩展机器学习系列主要包括以下几个部分：

概述
- Spark分布式处理
- 线性回归(linear Regression)
- 梯度下降(Gradient Descent)
- 分类——点击率预测(Click-through Rate Prediction)
- 神经科学

四、梯度下降(Gradient Descent)

1、线性回归的优化问题

对于线性回归来说，其目标是找到一组 w∗ 使得下面的函数 f(w) 达到最小：

f(w)=∥Xw−y∥22

2、梯度下降法的流程

梯度下降法是一种迭代型的优化算法，根据初始点在每一次迭代的过程中选择下降法方向，进而改变需要修改的参数，梯度下降法的详细过程如下：

• Start at a random point
• Repeat
  
  • Determine a descent direction
  • Choose a step size
  • Update
• Until stopping criterion is satisfied

具体过程如下图所示：

在初始时，在点 w0 处，选择下降的方向，选择步长，更新，此时到达 w1 处，判断是否满足终止的条件，发现并未到达最优解，重复上述的过程，直至到达 w∗ 。

3、凸优化与非凸优化

简单来讲，凸优化问题是指只存在一个最优解的优化问题，即任何一个局部最优解即为全局最优解，可以由下图表示：

非凸优化是指在解空间中存在多个局部最优解，而全局最优解是其中的某一个局部最优解，可以由下图表示：

最小二乘(Least Squares)，岭回归(Ridge Regression)和Logistic回归(Logistic Regression)的损失函数都是凸优化问题。

4、梯度下降法的若干问题

1、选择下降的方向

为了求解优化问题 f(w) 的最小值，我们希望每次迭代的结果能够接近最优价 w∗ ，对于一维的情况，如下图所示：

若当前点的斜率(梯度)为正，则选择的方向向左，若当前的斜率(梯度)为负，则选择的梯度的方向是向右。

负的斜率即为下降的方向。

对于上述的一维的情况，有下述的更新规则：

其中， αi 称为步长。对于二维的情况，如下图所示：

其中，函数值由黑白色表示，黑色表示更大的值，箭头表示的是梯度。

负的梯度是最快的下降的方向。

此时更新的规则如下：

2、最小二乘中的梯度下降

梯度下降法的更新规则如上所示，对于最小二乘法，有如下的损失函数的表示：

f(w)=∥wx−y∥22=∑j=1n(wx(j)−y(j))2

在利用梯度下降法的过程中需要求解梯度，即：

dfdw(w)=2∑j=1n(wx(j)−y(j))x(j)

则根据更新公式，有如下的更新步骤：

wi+1=wi−αi∑j=1n(wx(j)−y(j))x(j)

对于向量形式，有：

wi+1=wi−αi∑j=1n(wTix(j)−y(j))x(j)

3、步长的选择

对于步长 α 的选择，若选择太小，会导致收敛的速度比较慢；若选择太大，则会出现震荡的现象，即跳过最优解，在最优解附近徘徊，上述两种情况如下面的两张图所示：

因此，选择合适的步长对于梯度下降法的收敛效果显得尤为重要。

在实践的过程中，人们发现了不同的步长形式，一种通用的步长设置方法如下：

αi=αni√

其中， α 是一个常数， n 表示的是训练数据中特征的个数， i 表示的是迭代的代数。

4、梯度下降法的优缺点

对于梯度下降法，有如下的一些优缺点：

• 优点

  • 容易并行
  • 每次迭代过程中开销较小
  • 随机梯度下降的开销更小

• 缺点

  • 收敛速度较慢
  • 需要在节点之间进行通信

5、并行梯度下降

对于梯度下降法中的更新规则：

wi+1=wi−αi∑j=1n(wTix(j)−y(j))x(j)

并行的计算方法如下：

若需要PDF版本，请关注我的新浪博客@赵_志_勇，私信你的邮箱地址给我。

参考文献

scalable-machine-learning