美文网首页
[ML]《ML导论》十一:优化方法

[ML]《ML导论》十一:优化方法

作者: 原来是酱紫呀 | 来源:发表于2018-10-16 16:58 被阅读0次

20181016 qzd


一、思维导图

二、知识碎片

1、共轭梯度下降法

1)简介
在数值线性代数中,共轭梯度法是一种求解对称正定线性方程组Ax=b的迭代方法。事实上,求解Ax=b等价于求解:min\left \| Ax-b \right \|_{2}^{2},将其展开后可以得到:minx^{T}A^{T}Ax-b^{T}Ax+b^{T}b ,也就是等价于求解min\frac{1}{2}x^{T}A^{T}Ax-b^{T}Ax。于是解方程问题就转化为了求解二次规划问题(QP)。共轭梯度法是介于梯度下降法与牛顿法之间的一个方法,是一个一阶方法。它克服了梯度下降法收敛慢的缺点,又避免了存储和计算牛顿法所需要的二阶导数信息。在n维的优化问题中,共轭梯度法最多n次迭代就能找到最优解(是找到,不是接近),但是只针对二次规划问题。

共轭梯度法的思想就是找到n个两两共轭的共轭方向,每次沿着一个方向优化得到该方向上的极小值,后面再沿其它方向求极小值的时候,不会影响前面已经得到的沿哪些方向上的极小值,所以理论上对n个方向都求出极小值就得到了n维问题的极小值。

2)算法流程

相关文章

网友评论

      本文标题:[ML]《ML导论》十一:优化方法

      本文链接:https://www.haomeiwen.com/subject/bjmhzftx.html