一、gradient descend的应用场景
问题 最小化L , 求对应的参数：
求最小L值时的参数
方法：梯度下降，如下：
gradient descend公式
二、多参数情况下的gradient descend，使用可变 learning rates（学习步长）
在多个变量情况下，我们画不出左图的情况，但是可以画出右图的情况。所以，编代码时，要画出右图，时时关注曲线变化，才能够找到自己的learning rates是否设置的合理
如上图所示，左右两图对照着看
1. 红色表示learning rates 正好
2. 蓝色表示learning rates 过小，可以到达谷底，但是速度太慢，如右图
3. 绿色表示learning rates过大，先下降很快，但是最后卡在了一个地方，就是下降不下来
4. 黄色表示learning rates太大，直接飞出去了，损失函数不仅没降下来，还增大了
发现，learning rates 的不同，直接影响了最终结果的好坏。因此有了，时时改变learning rates的想法。
基本想法：
learning rates 不能一成不变。根据参数的不同，给出不同的learning rates
1. 一开始， 离目的地远，所以learning rates可以大一些。即，一次跨大步子大。
2. 几个回合后，离得目的地近，调小learning rates，避免出现上图中绿色线一样，最终卡得不能走下去。
解决办法：adagrad法，步长=原步长/斜率的累加
adagrad的核心目的
三、 Stochastic Gradient Descent 随机梯度下降
Make the training faster
训练速度明显优于上面的梯度下降
原理： 一次仅仅处理一个数据，进行更新参数。等每个数据都处理了一遍，参数也就更新完了。
实验表明，
1. 假如有20个数据，每次仅仅处理一次数据，处理20次 ——————随机梯度下降
2. 直接20个数据一次处理完，仅处理一次——————————普通梯度下降
以上两种情况，第一次的速度明显优于第二次。
四、Feature Scaling 特征标准化
为什么要将特征标准化？？？
如上图所示，左图特征不在一个量级，右图特征在一个量级。那么左图等高线图像为不规则椭圆，右图等高线图像接近与圆。
对二者都进行梯度下降。如图所示，你会发现，
左图梯度下降很曲折，走了很多弯路，且很容易到达局部最优，且当learning rates取得不合适时，根本走不到谷底。
但是右图就很容易达到最优值，达到谷底。
一种标准化的方法：
对于每一个特征:
原文：https://blog.csdn.net/mosbest/article/details/79685771
网友评论