零基础入门深度学习二：梯度下降

Gradient Descent 美[ˈɡrediənt] [dɪˈsɛnt] : 梯度下降

Loss funcition 美 [lɔs] [ˈfʌŋkʃən] : 损失函数

Local Minima 美 [ˈloʊkl] ['mɪnɪmə] : 局部最小值

Taylor series 美[ˈtelɚ] [ˈsɪriz] : 泰勒级数

本文是对李宏毅教授课程的笔记加上自己的理解重新组织，如有错误，感谢指出。视频及 PPT 原教程：https://pan.baidu.com/s/1bSs66a 密码：g8e4

上篇线性回归讲到，  这个模型中，我们穷举了 w 和 b 的值，然后找到了使得 L 最小的 w 和 b 的值，但对于参数较多的模型，穷举法显然是不合适的，这里我们将用到 Gradient Descent，而 Gradient Descent 这个方法不仅适用于线性回归，其他任何复杂的模型也都适用，就连深度学习也用的 Gradient Descent 。

我们人类只能想象出最高三维空间的场景，所以我们先在二维、三维空间形象的理解下 Gradient Descent ，然后直接把结论推广到高维下，这里不做详细的理论证明。

一维变量

一维变量下，变量只能在一条直线上移动，向左或向右。

假设 Loss funcition 是有一个参数 w 的函数，例如 

 是要输入的数据特征，例如上篇的 cp 值，可以看做常量。

而它的图像假如是

从图像上可以看到我们要找的使得 Loss 值最小的就是 

我们如果开始选取的是 ，那么我们需要给  加上一个值可以得到  。

我们如果开始选取的是 ，那么我们需要给  减去一个值可以得到  。

至于是加上还是减去，我们可以观察到，当 w 的斜率为负的时候就加，斜率为正的时候就减。斜率等于 0 的时候就代表是一个最小值点了。

所以我们可以先把 w 随便取一个值 ，然后求出该点的斜率，也就是  的导数值 ，然后用  减去这个导数值乘以一个 ，叫做 learning rate ,就是控制它从  走到  的速度。为什么是减去呢，因为斜率的符号和要加还是要减刚好是反着的。就是下边的数学表达式

根据  得到   ,再根据  得到 ，一直迭代，直到使得 Loss 值最小，当然从图上就可以看到我们可能会到达一个 Local minima ，也就是局部最小，后边再讲这个问题。而线性回归不需要考虑这个问题，因为它如果有极小值，那么这个极小值一定是最小值。

二维变量

二维变量下，变量则可以在整个平面上移动。

我们再看一下 Loss function 有两个变量的情况，例如

假如它的分布图如下，利用等高线画出来的，可以想象成盆地的等高线，颜色浅代表是底部：

Taylor series

在数学中，泰勒级数（英语：Taylor series）用无限项连加式——级数来表示一个函数，这些相加的项由函数在某一点的导数求得。泰勒级数是以于1715年发表了泰勒公式的英国数学家布鲁克·泰勒（Sir * Taylor）来命名的。通过函数在自变量零点的导数求得的泰勒级数又叫做麦克劳林级数，以苏格兰数学家科林·麦克劳林的名字命名。 --*

只要 x 足够接近 ，我们可以近似的取到 h 的一阶导数，后边将用到这个公式。

Multivariable Taylor Series

同理，可以推广到多元的泰勒展开

分别对自变量求偏导即可。

推导

假设开始我们初始化  , , 然后以 d 为半径画一个很小很小的圆，以便满足泰勒级数中的那个约等于的式子（图上圆看着大，我们假设它很小）。然后我们在这个圆里寻找使得 Loss 值最小的  和  。得到新的  和  ，继续重复画一个圆，找使得圆内 Loss 值最小的  和 ，然后一直迭代下去，慢慢的我们就会得到使得 loss 值全局最小的  和  了。

 那么，怎么根据已知的点，找到下一个点呢？下边进行一下推导将 L 利用泰勒级数转换。

将问题利用转换为几何问题

我们把 L 看做是两个向量的点积，(u,v) 向量是一个固定的向量 ，我们把它的起点移动到圆心 的位置。而  向量是任意方向的，长度小于 d 的向量，为了方便计算，我们把它的起点也移动到圆心的位置。

我们知道两个向量点积的公式

所以我们取  向量为 (u,v) 向量的反向，构成 180° ，使得  等于 -1 ，然后使得它的模最大，也就是 d (乘上  即可），此时 L 由于是他俩的点积，所以 L 达到最小。即

然后我们再把 u 和 v 带回去

！！！ 和一维变量一样，就是初始值，减去  乘以他们的导数，但这里当然是偏导了。这样再回到开头，我们就先随便找一个初始值 (a , b)，利用这个公式然后一直迭代下去就可以了。

总

我们把两种情况统一下

也就是找一组参数  ，然后使得 Loss function L 取得最小值，即用数学表达式为

我们假设  有两个参数 {  ,  }

 初始化 

进行迭代

数学里那个大的中括号可以表示为倒三角，即梯度。我们进一步简化表示。

实例

回到我们开始的问题，直接应用上边的结论。

让我们把他们的偏导分别求一下

有了偏导的公式，我们只需要把 w 和 b 取一个初值，然后利用所有的数据和梯度下降，一直迭代下去就可以了。迭代次数、Loss 值、偏导值都可以作为结束条件。

至此，一大难题已经被我们解决了！！！！！！！！！！！