1.6梯度提升的优化算法实现概况
以下算法均为通过不同的方法调整学习率learningrate的过程
GradientDescent是使用全部数据做梯度下降
在该方法中，每次更新我们都需要在整个数据集上求出所有的偏导数。因此批量梯度下降法的速度会比较慢，甚至对于较大的、内存无法容纳的数据集，该方法都无法被使用。同时，梯度下降法不能以「在线」的形式更新我们的模型，也就是不能再运行中加入新的样本进行运算。
SGD是随机采样一每次对一个样本做梯度下降
相比批量梯度下降法，随机梯度下降法的每次更新，是对数据集中的一个样本（x，y）求出罚函数，然后对其求相应的偏导数：
因为批量梯度下降法在每次更新前，会对相似的样本求算梯度值，因而它在较大的数据集上的计算会有些冗余（redundant）。而随机梯度下降法通过每次更新仅对一个样本求梯度，去除了这种冗余的情况。因而，它的运行速度被大大加快，同时也能够「在线」学习。
小批量梯度下降法（Mini-Batch Gradient Descent）
小批量梯度下降法集合了上述两种方法的优势，在每次更新中，对 n 个样本构成的一批数据，计算罚函数 J(θ)，并对相应的参数求导：
这种方法，(a) 降低了更新参数的方差（variance），使得收敛过程更为稳定；(b) 能够利用最新的深度学习程序库中高度优化的矩阵运算器，能够高效地求出每小批数据的梯度。通常一小批数据含有的样本数量在 50 至 256 之间，但对于不同的用途也会有所变化。小批量梯度下降法，通常是我们训练神经网络的首选算法。同时，有时候我们也会使用随机梯度下降法，来称呼小批量梯度下降法（译者注：在下文中，我们就用 SGD 代替随机梯度下降法）。
下降速度
更新神经网络参数的方法1：原始的权值更新-弯弯曲曲的到达终点
更新神经网络参数的方法2：往下坡方向走向终点—-惯性原则
AdaGrad-错误方向的阻力
RMSProp=Momentum（惯性原则）+AdaGrad（错误方向的阻力）–Momentum中有一部分未包含，衍生了Adam方法
Adam
计算m有Momentum属性（惯性属性）+计算v时有Adagrad属性（阻力属性），更新参数时将m和v都考虑进去
在大多数情况下使用Adam都能又快又好的达到目标
经验之谈
- 对于稀疏数据，尽量使用学习率可自适应的优化方法，不用手动调节，而且最好采用默认值
- SGD通常训练时间更长，但是在好的初始化和学习率调度方案的情况下，结果更可靠
- 如果在意更快的收敛，并且需要训练较深较复杂的网络时，推荐使用学习率自适应的优化方法。
- Adadelta，RMSprop，Adam是比较相近的算法，在相似的情况下表现差不多。
- 在想使用带动量的RMSprop，或者Adam的地方，大多可以使用Nadam取得更好的效果
-
动态图
- 走到全局最优解的过程—红色的边界表示cost比较大的地方，蓝色的地方是cost比较小的
- 从起点如下图依次走向全局最优值的过程，每个方法都有不同的学习路径
- SGD：比其他的都慢一些
- Momwntum：跨越一个很长的步数，考虑的是上一个的learning_rate,下一个learning_rate会基于上一个跨越更长的步数，所以开始的时候走的方向上是错误的，但是会慢慢纠正，纠正的速度也很快
版权声明：本文为jackchen-Net原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。