梯度下降算法的Python实现

在上一篇逻辑回归中，我们利用批量梯度下降算法BGD求解使损失函数J(θ)取得最小值的θ，同时也提到了SGD和MBGD，本篇我们实现下这三个算法，并进行简单比较。关于梯度下降算法的原理可以参考https://www.cnblogs.com/pinard/p/5970503.html。

1. 批量梯度下降法(Batch Gradient Descent)

批量梯度下降算法是梯度下降算法的最常用形式，即在更新参数时利用所有的样本来进行更新，参数的更新过程可写成：

BGD.gif

由于有m个样本，所以求梯度的时候就用了所有m个样本的梯度数据。

BGD的Python实现

def BGD_LR(data_x, data_y, alpha=0.1, maxepochs=10000, epsilon=1e-4):
    xMat = np.mat(data_x)
    yMat = np.mat(data_y)
    m,n = xMat.shape
    weights = np.ones((n,1)) #初始化模型参数
    epochs_count = 0
    loss_list = []
    epochs_list = []
    while epochs_count < maxepochs:
        loss = cost(xMat,weights,yMat) #上一次损失值
        hypothesis = sigmoid(np.dot(xMat,weights)) #预测值
        error = hypothesis -yMat #预测值与实际值误差
        grad = (1.0/m)*np.dot(xMat.T,error) #损失函数的梯度
        last_weights = weights #上一轮迭代的参数
        weights = weights - alpha*grad #参数更新
        loss_new = cost(xMat,weights,yMat)#当前损失值
        print(loss_new)
        if abs(loss_new-loss)

2. 随机梯度下降法(Stochastic Gradient Descent)

批量梯度下降算法每次更新参数都需要遍历整个数据集(通过遍历整个数据集来计算损失函数的梯度)，那么在样本数据量巨大的时候，计算复杂度会很高。因此出现了随机梯度下降算法：即每次迭代都随机选取一个样本计算损失函数的梯度来更新参数。参数更新公式可变为：

SGD.gif

与批量梯度下降算法相比，SGD的区别在于求梯度时没有用所有的m个样本数据，而是随机选取了一个样本i来求梯度。在样本量很大的时候，SGD由于仅采用了一个样本来迭代，因此训练速度很快，但很可能导致解不是最优的，准确度下降。

SGD的Python实现

def SGD_LR(data_x, data_y, alpha=0.1, maxepochs=10000,epsilon=1e-4):
    xMat = np.mat(data_x)
    yMat = np.mat(data_y)
    m, n = xMat.shape
    weights = np.ones((n, 1))  # 模型参数
    epochs_count = 0
    loss_list = []
    epochs_list = []
    while epochs_count < maxepochs:
        rand_i = np.random.randint(m)  # 随机取一个样本
        loss = cost(xMat,weights,yMat) #前一次迭代的损失值
        hypothesis = sigmoid(np.dot(xMat[rand_i,:],weights)) #预测值
        error = hypothesis -yMat[rand_i,:] #预测值与实际值误差
        grad = np.dot(xMat[rand_i,:].T,error) #损失函数的梯度
        weights = weights - alpha*grad #参数更新
        loss_new = cost(xMat,weights,yMat)#当前迭代的损失值
        print(loss_new)
        if abs(loss_new-loss)

3. 小批量梯度下降法(Mini-batch Gradient Descent)

小批量梯度下降法是批量梯度下降算法与随机梯度下降算法的折中，因为用一个样本代表全部可能不太准，那么选取其中一部分来代表全部的样本会比只用一个好很多。即对于m个样本，每次迭代选取其中x个样本进行更新参数，其中x称为小批量大小(1

MBGD.gif

MBGD的Python实现

def MBGD_LR(data_x, data_y, alpha=0.1,batch_size=3, maxepochs=10000,epsilon=1e-4):
    xMat = np.mat(data_x)
    yMat = np.mat(data_y)
    m, n = xMat.shape
    weights = np.ones((n, 1))  # 模型参数
    epochs_count = 0
    loss_list = []
    epochs_list = []
    while epochs_count < maxepochs:
        randIndex = np.random.choice(range(len(xMat)), batch_size, replace=False)
        loss = cost(xMat,weights,yMat) #前一次迭代的损失值
        hypothesis = sigmoid(np.dot(xMat[randIndex],weights)) #预测值
        error = hypothesis -yMat[randIndex] #预测值与实际值误差
        grad = np.dot(xMat[randIndex].T,error) #损失函数的梯度
        weights = weights - alpha*grad #参数更新
        loss_new = cost(xMat,weights,yMat)#当前迭代的损失值
        print(loss_new)
        if abs(loss_new-loss)

运行结果

比较.png

BGD-Loss收敛情况.png

SGD-Loss收敛情况.png

MBGD-Loss收敛情况.png

在小数据集上分别跑了这三种方法，可以看出SGD受噪声的影响，其损失函数的收敛伴随的震动比较大；而MBGD通过设置3个小批量明显减弱了收敛的震动现象，且更接近BGD训练得到的最小损失函数值。

总结

BGD：每次迭代使用所有样本来计算损失函数的梯度
SGD：每次迭代随机选取1个样本来计算损失函数的梯度
MBGD：每次迭代随机选取x个样本来计算损失函数的梯度

以上只是自己的学习反馈，如有错误，欢迎指正。
本文代码地址：https://github.com/DaHuangTyro/Daily_Machine_Learning