【机器学习笔记Ⅰ】4 梯度下降

梯度下降（Gradient Descent）详解

梯度下降是机器学习中最核心的优化算法，用于通过迭代调整模型参数（如权重 ( w ) 和偏置 ( b )），最小化代价函数（如均方误差、交叉熵）。它的核心思想是：
“沿着代价函数梯度（导数）的反方向逐步更新参数，直到找到最小值。”

---

1. 核心概念

(1) 梯度（Gradient）

• 数学意义：多元函数的偏导数向量，指向函数值上升最快的方向。
  • 例如，代价函数 ( J(w, b) ) 的梯度为 ( \nabla J = \left[ \frac{\partial J}{\partial w}, \frac{\partial J}{\partial b} \right] )。
• 优化意义：梯度的反方向（( -\nabla J )）是函数值下降最快的方向。

(2) 参数更新公式

---

2. 梯度下降的步骤

1. 初始化参数：随机设定初始值 ( w ) 和 ( b )。
2. 计算梯度：在当前参数下计算代价函数的梯度。
3. 更新参数：沿梯度反方向调整参数。
4. 重复迭代：直到梯度接近零（收敛）或达到最大迭代次数。

---

3. 梯度下降的类型

(1) 批量梯度下降（Batch Gradient Descent）

• 每次迭代使用全部训练数据计算梯度。
• 优点：稳定收敛到全局最优（凸函数时）。
• 缺点：计算慢，不适合大数据集。

(2) 随机梯度下降（Stochastic Gradient Descent, SGD）

• 每次迭代随机选一个样本计算梯度。
• 优点：速度快，适合在线学习。
• 缺点：波动大，可能无法收敛到最优解。

(3) 小批量梯度下降（Mini-Batch Gradient Descent）

• 折中方案：每次使用一小批（如32、64个）样本计算梯度。
• 深度学习标配：平衡效率与稳定性。

---

4. 关键问题与调参

(1) 学习率 ( \alpha )的选择

• 太大：可能跳过最优解（发散）。
• 太小：收敛速度慢。
• 自适应学习率：如Adam、Adagrad等优化算法动态调整 ( \alpha )。

(2) 局部最优 vs 全局最优

• 凸函数（如线性回归）：梯度下降总能找到全局最优。
• 非凸函数（如神经网络）：可能陷入局部最优，但实际中局部最优通常也能接受。

(3) 特征缩放

• 如果特征量纲差异大（如年龄 vs 收入），需先归一化/标准化，否则梯度下降会震荡。

---

5. 代码示例（Python实现线性回归）

import numpy as np# 生成数据
X = np.array([1, 2, 3, 4])  # 特征
y = np.array([2, 4, 6, 8])  # 目标值 (y = 2x)# 初始化参数
w = 0.0  # 权重
b = 0.0  # 偏置
alpha = 0.01  # 学习率
epochs = 100  # 迭代次数# 梯度下降
for epoch in range(epochs):# 计算预测值 y_pred = w * X + by_pred = w * X + b# 计算梯度 (MSE的导数)dw = (2/len(X)) * np.sum((y_pred - y) * X)  # dJ/dwdb = (2/len(X)) * np.sum(y_pred - y)         # dJ/db# 更新参数w = w - alpha * dwb = b - alpha * db# 打印损失if epoch % 10 == 0:loss = np.mean((y_pred - y)**2)print(f"Epoch {epoch}, Loss: {loss:.4f}, w: {w:.4f}, b: {b:.4f}")# 输出最终参数
print(f"Final w: {w}, b: {b}")  # 应接近 w=2, b=0

---

6. 应用场景

• 线性回归：最小化均方误差（MSE）。
• 逻辑回归：最小化交叉熵损失。
• 神经网络：反向传播（Backpropagation）的核心依赖梯度下降。

---

7. 总结

关键点	说明
目标	通过迭代优化参数，最小化代价函数。
核心公式	( w_{\text{new}} = w_{\text{old}} - \alpha \cdot \frac{\partial J}{\partial w} )
学习率 ( \alpha )	需谨慎选择，过大导致发散，过小导致收敛慢。
类型	批量（稳定但慢）、随机（快但波动）、小批量（平衡）。
注意事项	特征缩放、学习率调整、防止过拟合。

---