机器学习数学基础- gradient descent算法(上)

Posted mthoutai

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习数学基础- gradient descent算法(上)相关的知识,希望对你有一定的参考价值。

为什么要了解点数学基础

学习大数据分布式计算时多少会涉及到机器学习的算法,所以理解一些机器学习基础,有助于理解大数据分布式计算系统(比如spark)的设计。机器学习中一个常见的就是gradient descent算法,是线性回归问题的一个基础算法。gradient是数学概念。

Gradient

如果一个函数有n个自变量:f(x1,x2......xn)。且每一个x都是标量值。那么该函数的gradient就是一个n维的向量函数,每一个component是f函数针对xi的partial derivative。f的gradient反映的是f针对全部变量在各自维度的变化的敏感程度(以及正负相关性。即当自变量添加时,f值是添加还是减小,下同。

gradient所反映的正负相关性非常重要,是理解gradient descent算法的一个关键)的合集。f的gradient记为?f

Partial Derivative

partial derivative是derivative的一个延伸概念,是一个有n维变量的函数f(x1,x2......xn)。在如果其它变量值不变、仅有一个变量(如果为xi)变化的情况下,f函数针对该变量的derivative,写为f(xi),或者?f?xif(x1,x2......xn)xi的partial derivative也是xi的函数,它反映的是f相对于xi的变化的敏感程度(以及正负相关性)。

Derivative

一个一维变量的函数f(x)的derivative,反映的是f(x)x的不同值的情况下,当x仅作无限小的变化时。f值的变化与x的变化的比值,因此derivative反映的是f(x)x的不同值的情况下,f(x)x的变化的敏感程度(以及正负相关性)。

f(x)的derivative也是x的函数,写为f(x).

Gradient Descent算法

线性回归问题能够归结为求一个函数f(x1,x2......xn)(x1,x2......xn)的某一个详细的值,使得f有最小值。
如果把这个求解问题交给你,你能求出来吗?非常难把,
而gradient descent算法则能解决问题。
……待续

以上是关于机器学习数学基础- gradient descent算法(上)的主要内容,如果未能解决你的问题,请参考以下文章

机器学习中的数学-回归(regression)梯度下降(gradient descent)

机器学习中的数学-回归(regression)梯度下降(gradient descent)

机器学习中的数学-模型组合(Model Combining)之Boosting与Gradient Boosting

[机器学习] ML重要概念:梯度(Gradient)与梯度下降法(Gradient Descent)

机器学习入门系列04,Gradient Descent(梯度下降法)

机器学习-Gradient Descent速记(来自李宏毅视频)