0 概述
我们在ML week 1课程中了解到了单变量线性回归,这里使用了梯度下降法来不断更新θ 0 , θ 1 \theta_{0,} \theta_{1} θ 0 , θ 1 以求得Cost Function的最优解,从而确定h θ ( x i ) h_{\theta}\left(x_{i}\right) h θ ( x i ) 。
那这里就产生了一个疑问:为什么使用梯度下降法求解?为什么使用梯度下降法,就能够得到最优解(全局或者局部)?
下边我们将从导数,偏导数,方向导数最后引出梯度,进而讲解为什么梯度下降法能够做到求解最优解。
1. 导数的概念
1.1 导数的定义
增量定义 :若f ( x ) f(x) f ( x ) 在点x 0 x_{0} x 0 的某个邻域内有定义,则当自变量 x x x 在x 0 x_{0} x 0 处取得增量Δ x \Delta x Δ x (点x 0 + Δ x x_{0}+\Delta x x 0 + Δ x 仍然在邻域内),相应的y y y 取得增量Δ y = f ( x 0 + Δ x ) − f ( x 0 ) \Delta y=f\left(x_{0}+\Delta x\right)-f\left(x_{0}\right) Δ y = f ( x 0 + Δ x ) − f ( x 0 ) ,如果Δ y \Delta y Δ y 与Δ x \Delta x Δ x 在Δ x → 0 \Delta x \rightarrow 0 Δ x → 0 时极限存在,则称y = f ( x ) y=f(x) y = f ( x ) 在x 0 x_{0} x 0 处可导,这个极限就是y = f ( x ) y=f(x) y = f ( x ) 在x 0 x_{0} x 0 的导数,记为f ′ ( x 0 ) f^{\prime}\left(x_{0}\right) f ′ ( x 0 ) 。f ′ ( x 0 ) = lim Δ x → 0 Δ y Δ x = lim Δ x → 0 f ( x 0 + Δ x ) − f ( x 0 ) Δ x f^{\prime}\left(x_{0}\right)=\lim _{\Delta x \rightarrow 0} \frac{\Delta y}{\Delta x}=\lim _{\Delta x \rightarrow 0} \frac{f\left(x_{0}+\Delta x\right)-f\left(x_{0}\right)}{\Delta x} f ′ ( x 0 ) = lim Δ x → 0 Δ x Δ y = lim Δ x → 0 Δ x f ( x 0 + Δ x ) − f ( x 0 )
极限定义 :在定义域内,当变量x x x 趋近于x 0 x_{0} x 0 时,f ( x ) − f ( x 0 ) x − x 0 \frac{f(x)-f\left(x_{0}\right)}{x-x_{0}} x − x 0 f ( x ) − f ( x 0 ) 有极限,则有f ′ ( x 0 ) = lim x → x 0 f ( x ) − f ( x 0 ) x − x 0 f^{\prime}\left(x_{0}\right)=\lim _{x \rightarrow x_{0}} \frac{f(x)-f\left(x_{0}\right)}{x-x_{0}} f ′ ( x 0 ) = lim x → x 0 x − x 0 f ( x ) − f ( x 0 )
1.2 导数的本质
对于一元函数而言,导数的几何意义是f ( x ) f(x) f ( x ) 在点x 0 x_{0} x 0 切线的斜率。物理角度上来看,路程对时间的导数叫速度,速度对时间的导数叫加速度。
我们可以理解为这是一种线性近似,当一个函数为曲线时,我们对某一点的斜率,就是通过导数这种线性近似求得的。
但是对于多元函数而言,由于其几何图形为一个曲面,这时候导数作为切线斜率的解释似乎不成立了,因此引入了偏导数的概念。
2. 偏导数的概念
2.1 偏导数定义
对于多元函数,求导数其实也是要求一个切线的斜率,但是由于曲面上的点的切线有无数条,那么取那条切线的斜率呢,这时候就引入了偏导数的概念。
偏导数其实就是选取比较特殊的切线,求其斜率而得,以二元函数z = f ( x , y ) z=f(x, y) z = f ( x , y ) 为例,分为对x x x 的偏导数和对y y y 的偏导数。
如图所示:对x x x 的偏导数 :过点( x 0 , y 0 , z 0 ) \left(x_{0}, y_{0},z_{0}\right) ( x 0 , y 0 , z 0 ) 垂直于y y y 轴的曲线,在该点切线的斜率。
此时,该曲线可表示为
z = f ( x , y ) z=f(x, y) z = f ( x , y )
x = t x=t x = t
y = a + 0 × t y=a+0 \times t y = a + 0 × t
因此,我们求对x x x 的偏导数,认为y y y 是常量是完全正确的。
用导数定义来表示x x x 的偏导数,
f x ( x 0 , y 0 ) = lim Δ x → 0 f ( x 0 + Δ x , y 0 ) − f ( x 0 , y 0 ) Δ x f_{x}\left(x_{0}, y_{0}\right)=\lim _{\Delta x \rightarrow 0} \frac{f\left(x_{0}+\Delta x, y_{0}\right)-f\left(x_{0}, y_{0}\right)}{\Delta x} f x ( x 0 , y 0 ) = lim Δ x → 0 Δ x f ( x 0 + Δ x , y 0 ) − f ( x 0 , y 0 ) 对y y y 的偏导数 :过点( x 0 , y 0 , z 0 ) \left(x_{0}, y_{0},z_{0}\right) ( x 0 , y 0 , z 0 ) 垂直于x x x 轴的曲线,在该点切线的斜率。
同上理解。
f y ( x 0 , y 0 ) = lim Δ y → 0 f ( x 0 , y 0 + Δ y ) − f ( x 0 , y 0 ) Δ y f_{y}\left(x_{0}, y_{0}\right)=\lim _{\Delta y \rightarrow 0} \frac{f\left(x_{0}, y_{0}+\Delta y\right)-f\left(x_{0}, y_{0}\right)}{\Delta y} f y ( x 0 , y 0 ) = lim Δ y → 0 Δ y f ( x 0 , y 0 + Δ y ) − f ( x 0 , y 0 )
2.2 偏导数的本质
偏导数几何意义也是切线斜率, 但是由于曲面上一点的切线有无数条(实际上是个切面),偏导数选取的是垂直于各坐标轴的几条特殊切线的斜率。
偏导数物理意义表示函数沿着某个坐标轴方向上的变化率。
但是如果我们想求任意一条曲线切线斜率怎么办呢?这时候就引入了方向导数,可以求出曲面上某一点沿着任意方向的切线斜率。
3. 方向导数
以z = f ( x , y ) z=f(x, y) z = f ( x , y ) 为例,过曲面上任意一点( x 0 , y 0 , z 0 ) \left(x_{0}, y_{0},z_{0}\right) ( x 0 , y 0 , z 0 ) 的所有切线,组成一个切面。偏导数仅仅选择了垂直于x x x 和y y y 轴方向的两条切线,计算斜率,方向导数则要求任意切向的斜率。
如下图所示
3.1 方向导数定义
x x x 和y y y 平面上的一个方向向量,决定了一条过点( x 0 , y 0 , z 0 ) \left(x_{0}, y_{0},z_{0}\right) ( x 0 , y 0 , z 0 ) 的唯一曲线,此时曲线函数可表示为:
z = f ( x , y ) z=f(x, y) z = f ( x , y )
x = x 0 + t cos α t ≥ 0 x=x_{0}+t \cos \alpha \quad t \geq 0 x = x 0 + t cos α t ≥ 0
y = y 0 + t cos β t ≥ 0 y=y_{0}+t \cos \beta \quad t \geq 0 y = y 0 + t cos β t ≥ 0
u = i ⃗ cos α + j ⃗ cos β = i ⃗ cos α + j ⃗ sin α u=\vec{i} \cos \alpha+\vec{j} \cos \beta=\vec{i} \cos \alpha+\vec{j} \sin \alpha u = i cos α + j cos β = i cos α + j sin α
其中α \alpha α 和β \beta β 分别为该方向向量与x x x 轴和y y y 轴的夹角。
则该曲线的记为方向u的导数,定义:
D u f ( x , y ) D_{u} f(x, y) D u f ( x , y ) =lim t → 0 f ( x 0 + t cos α , y 0 + t sin α ) − f ( x 0 , y 0 ) t \lim _{t \rightarrow 0} \frac{f\left(x_{0}+t \cos \alpha, y_{0}+t \sin \alpha\right)-f\left(x_{0}, y_{0}\right)}{t} lim t → 0 t f ( x 0 + t cos α , y 0 + t sin α ) − f ( x 0 , y 0 )
通过偏微分简化计算可得(这一步的数学证明,请自行搜索),
D u f ( x , y ) = f x ( x , y ) cos α + f y ( x , y ) sin α D_{u} f(x, y)=f_{x}(x, y) \cos \alpha+f_{y}(x, y) \sin \alpha D u f ( x , y ) = f x ( x , y ) cos α + f y ( x , y ) sin α
3.2 方向导数的最大值
设偏导向量:
A ⃗ = ( f x ( x , y ) , f y ( x , y ) ) \vec{A}=\left(f_{x}(x, y), f_{y}(x, y)\right) A = ( f x ( x , y ) , f y ( x , y ) )
方向向量:
u ⃗ = ( cos α , sin α ) \vec{u}=(\cos \alpha, \sin \alpha) u = ( cos α , sin α )
则
D u f ( x , y ) = A ⃗ ∗ u ⃗ D_{u} f(x, y)=\vec{A} * \vec{u} D u f ( x , y ) = A ∗ u =∣ A ⃗ ∣ ∗ ∣ u ⃗ ∣ ∗ cos ( θ ) |\vec{A}| *|\vec{u}| * \cos (\theta) ∣ A ∣ ∗ ∣ u ∣ ∗ cos ( θ )
其中 θ \theta θ 是偏导向量和方向向量之间的夹角。显而易见,当θ \theta θ =0时,D u f ( x , y ) D_{u} f(x, y) D u f ( x , y ) 取得最大值。
换句话说,当方向u ⃗ \vec{u} u 和偏导向量同向时,方向导数取得正最大值,反向时,取得负最大值。
记住这个结论,接下来我们看梯度定义。
4. 梯度
4.1 梯度定义
对于函数z = f ( x , y ) z=f(x, y) z = f ( x , y ) ,在平面区域D内具有一阶连续偏导数,则对于每一点( x 0 , y 0 ) ∈ D \left(x_{0}, y_{0}\right) \in D ( x 0 , y 0 ) ∈ D 都可以定义出一个向量:
f x ( x 0 , y 0 ) i ⃗ + f y ( x 0 , y 0 ) j ⃗ f_{x}\left(x_{0}, y_{0}\right) \vec{i}+f_{y}\left(x_{0}, y_{0}\right) \vec{j} f x ( x 0 , y 0 ) i + f y ( x 0 , y 0 ) j
这个向量称为函数f ( x , y ) f(x, y) f ( x , y ) 在( x 0 , y 0 ) \left(x_{0}, y_{0}\right) ( x 0 , y 0 ) 的梯度,记作 grad f ( x 0 , y 0 ) \operatorname{grad} f\left(x_{0}, y_{0}\right) g r a d f ( x 0 , y 0 ) 或者∇ f ( x 0 , y 0 ) \nabla f\left(x_{0}, y_{0}\right) ∇ f ( x 0 , y 0 ) 。其中∇ = ∂ ∂ x i ⃗ + ∂ ∂ y j ⃗ \nabla=\frac{\partial}{\partial x} \vec{i}+\frac{\partial}{\partial y} \vec{j} ∇ = ∂ x ∂ i + ∂ y ∂ j 称为向量微分算子或者Nabla算子。
4.2 梯度生而最快
到这里,发现梯度就定义为偏导向量的方向。而方向导数一节已经证明,沿着偏导向量方向的方向导数D u f ( x , y ) D_{u} f(x, y) D u f ( x , y ) 能够取得最大值。
因此在不断的迭代计算中,每一次沿着负梯度方向进行更新参数,就能够达到最低点。
5. 总结
通过导数,偏导数,方向导数的逐步讲解,最后给出梯度的定义,发现梯度天生定义就是变化最快的方向。
这是未来使用梯度下降法求解优化问题的数学基础。
参考:
https://www.zhihu.com/question/36301367 马同学和忆臻 的回答https://github.com/halfrost/Halfrost-Field