機器學習:用梯度下降法實現線性回歸

之前在 機器學習演算法數學基礎之 —— 線性代數篇 中,總結過求解線性回歸的兩種方法:

  1. 最小二乘法
  2. 梯度下降法

這篇文章重點總結一下梯度下降法中的一些細節和需要注意的地方。


梯度下降法是什麼

假設有一個估計函數: h_{0}(x)=	heta^{T}X

其代價函數(cost function)為: J(	heta)=frac{1}{2}sum_{i=1}^{m}{(h_{	heta}(x^{(i)})-y^{(i)})^{2}}

這個代價函數是 x(i) 的估計值與真實值 y(i) 的差的平方和,前面乘上 1/2,是因為在求導的時候,這個係數就不見了。

梯度下降法的流程:

1)首先對 θ 賦值,這個值可以是隨機的,也可以讓 θ 是一個全零的向量。

2)改變 θ 的值,使得 J(θ) 的值按梯度下降的方向減小。

參數 θ 與誤差函數 J(θ) 的關係圖

紅色部分表示 J(θ) 有著比較高的取值,我們希望能夠讓 J(θ) 的值儘可能的低,也就是取到深藍色的部分。θ0、θ1 表示 θ 向量的兩個維度。上面提到梯度下降法的第一步,是給 θ 一個初值,假設隨機的初值位於圖上紅色部分的十字點。然後我們將 θ 按梯度下降的方向進行調整,就會使 J(θ) 往更低的方向進行變化,如圖所示,演算法的結束將在 θ 下降到無法繼續下降為止。

θ 的更新: 	heta_{i}=	heta_{i}-alphafrac{partial}{partial	heta}J(	heta)

θi 表示更新前的值,減號後邊的部分表示按梯度方向減少的量,α 表示步長,也就是每次按梯度減少的方向變化多少。

梯度是有方向的,對於一個向量 θ,每一維分量 θi 都可以求出一個梯度的方向,我們就可以找到一個整體的方向,在變化的時候,我們就朝著下降最多的方向進行變化,就可以達到一個最小點,不管它是局部的還是全局的。

所以梯度下降法的原理簡單來說就是:

在變數空間的某個點,函數沿梯度方向的變化率最大,所以在優化目標函數的時候,沿著負梯度方向減小函數值,可以最快達到優化目標。


特徵縮放(Feature Scaling)

在 Stanford 的 Machine Learning 課程中,老師提到了使用梯度下降法時可能用到的特徵縮放法,為的是當所要研究的數據集中出現數據值範圍相差較大的 feature 時,保證所有 feature 有相近範圍內的值。

以課程中的房價問題為例,數據集的 feature 中有房屋尺寸 x_{1} 和房間數量 x_{2} 兩項,房屋尺寸的範圍是 0~2000 feet^2,房間數量的範圍是 1~5。此時以兩個參數 	heta_{1}	heta_{2} 為橫縱坐標,繪製代價函數 J(	heta) 的等高線圖如下:

代價函數的等高線圖

解決方法是對兩個 feature 進行歸一化處理:

x1 = size / 2000

x2 = number of rooms / 5

進行特徵縮放後,代價函數的等高線圖就變成了這樣:

特徵縮放後的代價函數等高線圖

很明顯,歸一化處理前,代價函數的等高線圖高又窄,在梯度下降過程中,需要反覆迭代很多次,才能達到理想的位置,會花費較長的時間。歸一化處理後,兩個 feature 的數值大小處於相近的範圍內,因此橫縱坐標 	heta_1	heta_2 兩個參數的變化範圍也變得相近,對 y 的影響不再有 feature 值在範圍大小傷的影響,從而反映代價函數上。在等高線圖上,梯度下降過程中變化受 x1 大小影響的 	heta_{1} 的變化減小了,變得和 x2 的變化趨勢一致,從而等高線圖近似圓形。

至於把 feature 縮小到什麼範圍,沒有特別的要求,只要各個 feature 的數值範圍相近就可以了,只是為了計算速度可以有所提升。

順便引用一下 Andrew Ng 老師在課程中用到的例題:


步長 α(學習率)的選擇

在參數 	heta 的更新式: 	heta_{i}=	heta_{i}-alphafrac{partial}{partial	heta}J(	heta) 中, alpha 稱為步長,決定了參數每次被增加或減小的大小,步長如何選擇是決定梯度下降法表現的一個因素。如果步長過大,可能會直接越過最佳點,導致無法收斂,甚至發散;如果步長過小,可能導致迭代次數過多,降低效率。

步長的選擇過大時,導致越過最佳點

關於步長的選擇,有很多種方法,如果初始步長不合適,在後邊要不斷進行調整,調整的方法有很多種,關於這個問題國內外也有很多論文對其研究過。一旦找到了合適的步長,大多數情況下就不需要再改變了,有人會覺得隨著 J(	heta) 越來越小,如果步長不變,更新式中第二項的值也會越來越小,迭代的進度會慢下來。但是,隨著越來越接近最佳點,梯度也會越來越大,也就是 J(	heta) 的微分值也會越來越大,所以迭代的速度並不會變慢。

最常用的選擇步長的方法是按3倍調整,即:0.001、0.003、0.01、0.03、0.1、0.3、1 …… 按這個倍率進行測試,尋找能使 J(	heta) 下降速度最快的步長範圍,確定範圍後再對其進行微調。


用 Python 實現梯度下降法

import numpy as npimport randomdef gradient_descent(alpha, x, y, ep=0.0001, max_iter=10000): converged = False iter = 0 m = x.shape[0] # 數據的行數 # 初始化參數(theta) t0 = np.random.random(x.shape[1]) t1 = np.random.random(x.shape[1]) # 代價函數, J(theta) J = sum([(t0 + t1*x[i] - y[i])**2 for i in range(m)]) # 進行迭代 while not converged: # 計算訓練集中每一行數據的梯度 (d/d_theta j(theta)) grad0 = 1.0/m * sum([(t0 + t1*x[i] - y[i]) for i in range(m)]) grad1 = 1.0/m * sum([(t0 + t1*x[i] - y[i])*x[i] for i in range(m)]) # 更新參數 theta # 此處注意,參數要同時進行更新,所以要建立臨時變數來傳值 temp0 = t0 - alpha * grad0 temp1 = t1 - alpha * grad1 t0 = temp0 t1 = temp1 # 均方誤差 (MSE) e = sum( [ (t0 + t1*x[i] - y[i])**2 for i in range(m)] ) if abs(J-e) <= ep: print Converged, iterations: , iter, !!! converged = True J = e # 更新誤差值 iter += 1 # 更新迭代次數 if iter == max_iter: print Max interactions exceeded! converged = True return t0,t1

參考:3 Types of Gradient Descent Algorithms for Small & Large Data Sets


推薦閱讀:

【機器學習Machine Learning】資料大全
scikit-learn實戰
【翻譯】Brian2高級指導_Brian如何工作
一樣的打遊戲,不一樣的酷
機器學習篇-數據劃分

TAG:機器學習 | 梯度下降 | 演算法 |