A-03 牛顿法和拟牛顿法
Posted nickchen121
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了A-03 牛顿法和拟牛顿法相关的知识,希望对你有一定的参考价值。
更新、更全的《机器学习》的更新网站,更有python、go、数据结构与算法、爬虫、人工智能教学等着你:https://www.cnblogs.com/nickchen121/
牛顿法和拟牛顿法
牛顿法(Newton method)和拟牛顿法(quasi-Newton method)和梯度下降法一样也是求解最优化问题的常用方法,但是他们的收敛速度比梯度下降法快。牛顿法是迭代算法,每一步都需要求目标函数的海森矩阵的逆矩阵,计算复杂;拟牛顿法通过正定矩阵近似海森矩阵的逆矩阵,简化这个计算过程。
一、牛顿法详解
1.1 无约束最优化问题
对于一个约束问题
[
underbrace{min}_{xin{R^n}}f(x)
]
其中(x^*)为目标函数的极小点。
1.2 牛顿法迭代公式
假设(f(x))具有二阶连续偏导数,如果第(k)次迭代值为(x^{(k)}),则可以把(f(x))在(x^{(k)})附近使用二阶泰勒展开
[
f(x)=f(x^{(k)})+g_k^T(x-x^{(k)})+frac{1}{2}(x-x^{(k)})^TH(x^{(k)})(x-x^{(k)})
]
其中(g_k=g(x^{(k)})=
abla{f(x^{(k)})})是(f(x))的梯度向量在点(x^{(k)})的值,(H(x^{(k)}))是(f(x))的海森矩阵
[
H(x)=[frac{partial^2f}{partial{x_i}partial{x_j}}]_{m*n}
]
在点(x^{(k)})的值。函数(f(x))有极值的必要条件是在极值点处一阶导数为0,即梯度向量为0。特别是当(H(x^{(k)}))是正定矩阵的时候,函数(f(x))的极值为极小值。
牛顿法利用极小点的必要条件
[
abla{f(x)}=0
]
每次迭代中从点(x^{(k)})开始,求目标函数的极小点,作为第(k+1)次迭代值(x^{(k+1)}),即假设(x^{(k+1)})满足
[
abla{f(x^{(k+1)}}=0
]
通过泰勒二阶展开式即可得
[
abla{f(x)}=g_k+H_k(x-x^{(k)})
]
其中(H_k=H(x^{(k)})),由此(
abla{f(x^{(k+1)}}=0)变成
[
g_k+H_k(x^{(k+1)}-x^{(k)}) = 0
]
因此
[
x^{(k+1)}=x^{(k)}-H_k^{-1}g_k
]
或
[
x^{(k+1)}=x^{(k)}+p_k
]
其中
[
egin{align}
& x^{(k+1)}=x^{(k)}-H_k^{-1}g_k=x^{(k)}+p_k & -H_k^{-1}g_k=p_k & H_kp_k=-g_k
end{align}
]
使用(x^{(k+1)}=x^{(k)}-H_k^{-1}g_k)作为迭代公式的算法就是牛顿法。
1.3 牛顿法和梯度下降法
从本质上去看,牛顿法是二阶收敛,梯度下降是一阶收敛,所以牛顿法更快。如果更通俗地说的话,比如你想找一条最短的路径走到一个盆地的最底部,梯度下降法每次只从你当前所处位置选一个坡度最大的方向走一步,牛顿法在选择方向时,不仅会考虑坡度是否够大,还会考虑你走了一步之后,坡度是否会变得更大。所以,可以说牛顿法比梯度下降法看得更远一点,能更快地走到最底部。
虽然牛顿法看起来比梯度下降法好很多,但是别忘记了牛顿法迭代过程中需要计算海森矩阵的逆矩阵,如果数据量较大的话,牛顿法的计算开销将远远大于梯度下降法。
二、牛顿法流程
2.1 输入
目标函数(f(x)),梯度(g(x)= abla{f(x)}),海森矩阵(H(x)),精度要求(epsilon)
2.2 输出
(f(x))的极小点(x^*)
2.3 流程
- 取初始点(x^{(0)}),并且让(k=0)
- 计算(g_k=g(x^{(k)}))
- 如果(||g_k||leqepsilon),停止计算,得到近似解(x^*=x^{(k)})
- 计算(H_k=H(x^{(k)})),并求出(p_k)
[ H_kp_k=-g_k ] - 让(x^{(k+1)}=x^{(k)}+p_k)
- 让(k=k+1),转到第2步
在第4步求(p_k)的时候,(p_k=-H_k^{-1}g_k),要求求海森矩阵的逆矩阵(H_k^{-1}),计算会比较复杂。
三、拟牛顿法简介
在牛顿法的迭代中,需要计算海森矩阵的逆矩阵(H^{-1}),这个过程是比较复杂的,而拟牛顿法则使用了一个(n)阶矩阵(G_k=G(x^{(k)}))近似替代(H_k^{-1}=H^{-1}(x^{(k)})),此处不多赘述。
以上是关于A-03 牛顿法和拟牛顿法的主要内容,如果未能解决你的问题,请参考以下文章