【机器学习】机器学习入门05 - 梯度下降法
1. 梯度下降法介绍
1.1 梯度
在多元函数微分学中，我们都接触过梯度(Gradient)的概念。
回顾一下，什么是梯度？
梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。
这是百度百科给出的解释。
事实上，梯度的定义，就是多元函数的偏导数组成的向量。以二元函数 f(x,y) 为例。fx, fy 分别表示 f 对x，y的偏导数。则 f 在(x, y)处的梯度grad f = ( fx(x,y), fy(x, y))
那么，梯度的概念，和机器学习有什么关系呢？
不难理解，对于损失函数，其梯度的方向指向误差增加最快的方向，大小为该点误差的增加率。因此，要找到损失最小的点，也就是找到梯度为0（或最接近0）的点。这就是梯度的概念对于机器学习的意义。而刚刚描述的思想，就是梯度下降法的雏形。
1.2 梯度下降法
梯度下降法实际上是一种迭代的算法。即从任意一点出发，每次向梯度方向移动微小距离，直到梯度等于0为止。
类似于迭代法解线性系统，从任意向量出发，利用迭代公式进行迭代，直到两次迭代结果足够接近。
以单变量的二次函数为例，其梯度下降法的迭代过程其实就是如图所示从θ0开始不断接近最低点的过程。
下面以线性回归为例，解释梯度下降法的流程。
（以上摘自https://blog.csdn.net/neuf_soleil/article/details/82285497）
除此之外，以下几篇博文也值得参考：
https://www.jianshu.com/p/424b7b70df7b
https://blog.csdn.net/walilk/article/details/50978864
https://blog.csdn.net/pengchengliu/article/details/80932232
以及这篇知乎问答
https://www.zhihu.com/question/305638940
2. 梯度下降法实现
说完了复杂的数学推导，还是来看一下我们直接用得上的，梯度下降法的代码实现。
2.1 Python中的导数运算
python中有两种常见求导的方法，一种是使用Scipy库中的derivative方法，另一种就Sympy库中的diff方法。
1. Scipy
scipy.misc.derivative(func, x0, dx=1.0, n=1, args=(), order=3)[source]在一个点上找到函数的第n个导数。即给定一个函数，请使用间距为dx的中心差分公式来计算x0处的第n个导数。
参数：
func：需要求导的函数，只写参数名即可，不要写括号，否则会报错
x0：要求导的那个点，float类型
dx（可选）：间距，应该是一个很小的数，float类型
n（可选）：n阶导数。默认值为1，int类型
args（可选）：参数元组
order（可选）：使用的点数必须是奇数，int类型
def f(x): return x**3 + x**2 derivative(f, 1.0, dx=1e-6)2. Sympy表达式求导
sympy是符号化运算库，能够实现表达式的求导。所谓符号化，是将数学公式以直观符号的形式输出。下面看几个例子就明白了。
from sympy import *# 符号化变量x = sy.Symbol(‘x‘)func = 1/(1+x**2)print("x:", type(x))print(func)print(diff(func, x))print(diff(func, x).subs(x, 3))print(diff(func, x).subs(x, 3).evalf())
具体可参考：https://www.cnblogs.com/zyg123/
2.2 梯度下降法的实现
首先我们需要定义一个点 作为初始值，正常应该是随机的点，但是这里先直接定为0。然后需要定义学习率 ，也就是每次下降的步长。这样的话，点 每次沿着梯度的反方向移动 距离，即 ，然后循环这一下降过程。
那么还有一个问题：如何结束循环呢？梯度下降的目的是找到一个点，使得损失函数值最小，因为梯度是不断下降的，所以新的点对应的损失函数值在不断减小，但是差值会越来越小，因此我们可以设定一个非常小的数作为阈值，如果说损失函数的差值减小到比阈值还小，我们就认为已经找到了。
def gradient_descent(initial_theta, eta, epsilon=1e-6):
theta = initial_theta
theta_history.append(theta)
while True:
# 每一轮循环后，要求当前这个点的梯度是多少
gradient = dLF(theta)
last_theta = theta
# 移动点，沿梯度的反方向移动步长eta
theta = theta - eta * gradient
theta_history.append(theta)
# 判断theta是否达到损失函数最小值的位置
if(abs(lossFunction(theta) - lossFunction(last_theta)) < epsilon):
break
def plot_theta_history():
plt.plot(plot_x,plot_y)
plt.plot(np.array(theta_history), lossFunction(np.array(theta_history)), color=‘red‘, marker=‘o‘)
plt.show()以上就是梯度下降法的Python实现
首先，给出线性回归的模型
h_\theta(x) = \theta_0 + \theta_1xh θ? (x)=θ 0? +θ 1? x
假设我们用来拟合的数据共有 mm 组，根据最小二乘法，我们实际要找出令
\sum_{i=1}^m(h_\theta(x^{(i)}) - y^{(i)})^2i=1∑m? (h θ? (x (i) )−y (i) ) 2
最小的 \thetaθ 值，其中上标 (i)(i) 代表是第几组数据。设关于 \thetaθ 的损失函数
J(\theta) = \frac{1}{2}\sum_{i=1}^m(h_\theta(x^{(i)}) - y^{(i)})^2J(θ)= 21? i=1∑m? (h θ? (x (i) )−y (i) ) 2
\thetaθ 可以看做是一个参数向量，即 \{\theta_0, \theta_1\}^T{θ 0? ,θ 1? } T 。式子的前面乘上系数，是为了方便计算。
根据前面梯度的概念，我们得到
\nabla J(\theta) = (\frac{\partial J(\theta)}{\partial \theta_0},\frac{\partial J(\theta)}{\partial \theta_1})∇J(θ)=( ∂θ 0? ∂J(θ)? , ∂θ 1? ∂J(θ)? )
也就是说，为了使损失函数达到局部最小值，我们只需要沿着这个向量的反方向进行迭代即可。
那么参数的值到底该一次变化多少呢？我们通常用 \alphaα 来表示这个大小，称为**“步长”**，它的值是需要我们手动设定的，显然，步长太小，会拖慢迭代的执行速度，而步长太大，则有可能在下降时走弯路或者不小心跳过了最优解。所以，我们应该根据实际的情况，合理地设置 \alphaα 的值。
于是，在每次迭代，中，我们令
\theta_0 = \theta_0 - \alpha\frac{\partial J(\theta)}{\partial \theta_0},\theta_1 = \theta_1 - \alpha\frac{\partial J(\theta)}{\partial \theta_1}θ 0? =θ 0? −α ∂θ 0? ∂J(θ)? ,θ 1? =θ 1? −α ∂θ 1? ∂J(θ)?
即可使损失函数最终收敛到局部最小值，我们也得到了我们想要的参数值。这个过程如下图
————————————————版权声明：本文为CSDN博主「Evan-Nightly」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/neuf_soleil/article/details/82285497