机器学习之牛顿法和梯度下降法原理与实现

傷城~ 2022-08-08 17:51 261阅读 0赞

## 泰勒定理 ##

f(x)在x0点可展开为幂级数f(x)=∑∞i=0aif(x−x0)i，则f(x)在x0的N(x0,σ)邻域内有任意阶导数，且系数an=f(n)(x0)n!。因此

f(x)=∑i=0∞aif(x−x0)i=∑i=0∞f(i)(x0)i!f(x−x0)i

称为f(x)在x0的泰勒级数，系数称为泰勒系数。当x0=0时，称为麦克劳林级数。

## 牛顿法求根 ##

牛顿法的求根方法其实就是泰勒公式的一阶展开。

首先平方根的函数y=x−−√构造以y为自变量的函数

f(y)=y2−x

将其按照泰勒公式进行一阶展开后，得到

f(y)=f(y0)\+f′(y0)(y−y0)=0

移项后得到

y=y0−f(y0)f′(y0)

因此得到一阶展开后的通项公式

yn\+1=yn−f(yn)f′(yn)

将公式带入后，得到

yn\+1=yn−y2n−x2yn=12(yn−xyn)

## 牛顿法求平方根倒数 ##

魔数的平方根倒数算法。

<code class="hljs cpp has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; white-space: pre; border-radius: 0px; word-wrap: normal; background: transparent;">float Q_rsqrt( float number )
 {
 long i;
 float x2, y;
 const float threehalfs = 1.5F;
 x2 = number * 0.5F;
 y = number;
 i = * ( long * ) &y; // evil floating point bit level hacking
 i = 0x5f3759df - ( i >> 1 ); // what the fuck?
 y = * ( float * ) &i;
 y = y * ( threehalfs - ( x2 * y * y ) ); // 1st iteration 
 //y = y * ( threehalfs - ( x2 * y * y ) ); // 2nd iteration, this can be removed
 return y;
 }</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li></ul>

首先求平方根的倒数y=1x√可以构造以y为自变量的函数，由如下函数表示

f(y)=1y2−x=0

其一阶泰勒展开的通项公式为

yn\+1=yn−f(yn)f′(yn)=yn(3−xy2n)2=yn(1.5−xy2n2)

该公式对应的代码为`y = y * ( threehalfs - ( x2 * y * y ) )`，但是由于那个魔数的存在，它只需要迭代一轮。

## 梯度 ##

假设函数u=f(x,y,z)在p(x,y,z)可微，那么

1.  fx(x,y,z)是函数在x轴上的变化率
2.  fy(x,y,z)是函数在y轴上的变化率
3.  fz(x,y,z)是函数在z轴上的变化率

方向导数就是函数在任意一个方向上的变化率。于是产生一个问题：函数沿着哪个方向变化的时候能够取得最大值？

求解：函数u=f(x,y,z)在沿着向量l⃗ 的方向导数为

φuφl=φuφxcosα\+φuφycosβ\+φuφzcosγ=(φuφx,φuφy,φuφz)(cosα,cosβ,cosγ)=g⃗ ∗k⃗ =|g⃗ |∗|k⃗ |cosθ

其中θ表示向量k和向量g的夹角，已知向量k的模为1，所以当θ=0，即向量k和向量g的方向一致时，方向导数取得最大值，最大为|g⃗ |

因此，梯度是一个矢量，它表示函数沿着该矢量的方向导数能够取得最大值，最大值为该矢量的模。

grad=\{ φuφx,φuφy,φuφz\}

### 梯度下降 ###

设损失函数为

L=−∑xyi(wxi\+b)

沿着梯度的方向，函数可以取得极大值，因此梯度下降的公式为

w←w−αφLφw=w\+η∑xyixib←b−αφLφb=b\+η∑xyi

其中的η表示`步长`，或者叫`学习率`，用来表示每次更新的程度。

缺点：每次迭代都需要计算全部的数据集，当数据集非常大的时候，计算效率就非常低。

### 随机梯度下降 ###

即不是一次使用所有误分类点，而是随机选择一个误分类点进行梯度下降。

已知梯度下降公式为

gradL=\{ φLφw,φLφb\}=\{ −∑xyixi,−∑xyi\}

不再使用全部的误分类点，而是随机选择一个误分类点的子集对`w`和`b`进行更新，极端的情况就是每次只选择一个误分类点。

w←w\+ηyixib←b\+ηyi

这样，由于算法会由于在初始时选择初始值的不同，或者选择误分类点的顺序上的不同，导致最后得到的模型也会不一样。可以证明，误分类的次数是有限的，当训练数据集线性可分的时候，学习算法是收敛的。但当数据集线性不可分的时候，算法就不收敛了，迭代结果会发生震荡。

## 牛顿法与凸优化 ##

其实就是泰勒公式的二阶展开。

f(x)=f(x0)\+f′(x0)(x−x0)\+12f′′(x0)(x−x0)2

求函数f(x)的极小值点，就是求函数f′(x)=0的点，带入到上面的展开式，得到

f′(x)=f′(x0)\+f′′(x0)(x−x0)=0

移项后得到

x=x0−f′(x0)f′′(x0)

因此得到迭代公式

xn\+1=xn−f′(xn)f′′(xn)

当x表示的是高维向量时，可将公式表示为

Xn\+1=Xn−∇f(Xn)∇2f(Xn)

使用牛顿法使得目标函数能够二次收敛，相比梯度下降法有更快的收敛速度。然而，牛顿法需要计算目标函数的二阶偏导数，且要求目标Hesse矩阵正定，难度比较大。

### 拟牛顿法 ###

由于牛顿法需要计算目标函数的二阶偏导，且要求目标Hesse矩阵正定，难度比较大，因此有了拟合牛顿法。不过，不会用！  
[http://en.wikipedia.org/wiki/Quasi-Newton\_method][http_en.wikipedia.org_wiki_Quasi-Newton_method]

[http_en.wikipedia.org_wiki_Quasi-Newton_method]: http://en.wikipedia.org/wiki/Quasi-Newton_method