没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
22页
kaggle竞赛资料,AI人工智能算法介绍,技术详解 kaggle竞赛资料,AI人工智能算法介绍,技术详解 kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解kaggle竞赛资料,AI人工智能算法介绍,技术详解
资源推荐
资源详情
资源评论
机器学习中的最优化算法(全面总结)
算法进阶
2023-07-18原文
↑↑↑关注后"星标"kaggle竞赛宝典
kaggle竞赛宝典
作者:算法进阶
机器学习中的最优化算法(全面总结)!
导言
对于几乎所有机器学习算法,无论是有监督学习、无监督学习,还是强化学习,最后
一般都归结为求解最优化问题。因此,最优化方法在机器学习算法的推导与实现中占
据中心地位。在这篇文章中,小编将对机器学习中所使用的优化算法做一个全面的总
结,并理清它们直接的脉络关系,帮你从全局的高度来理解这一部分知识。
机器学习要求解的数学模型
几乎所有的机器学习算法最后都归结为求一个目标函数的极值,即最优化问题,例如
对 于 有 监 督 学 习 , 我 们 要 找 到 一 个 最 佳 的 映 射 函 数 f
(x),使得对训练样本的损失函数最小化(最小化经验风险或结构风险):
在这里,N为训练样本数,L是对单个样本的损失函数,w是要求解的模型参数,是映
射函数的参数,xi为样本的特征向量,yi为样本的标签值。
或是找到一个最优的概率密度函数p(x),使得对训练样本的对数似然函数极大化(最
大似然估计):
在这里,θ是要求解的模型参数,是概率密度函数的参数。
对于无监督学习,以聚类算法为例,算法要是的每个类的样本离类中心的距离之和最
小化:
在这里k为类型数,x为样本向量,μi为类中心向量,Si为第i个类的样本集合。
对于强化学习,我们要找到一个最优的策略,即状态s到动作a的映射函数(确定性策
略,对于非确定性策略,是执行每个动作的概率):
使得任意给定一个状态,执行这个策略函数所确定的动作a之后,得到的累计回报最
大化:
这里使用的是状态价值函数。
总体来看,机器学习的核心目标是给出一个模型(一般是映射函数),然后定义对这
个模型好坏的评价函数(目标函数),求解目标函数的极大值或者极小值,以确定模
型的参数,从而得到我们想要的模型。在这三个关键步骤中,前两个是机器学习要研
究的问题,建立数学模型。第三个问题是纯数学问题,即最优化方法,为本文所讲述
的核心。
最优化算法的分类
对于形式和特点各异的机器学习算法优化目标函数,我们找到了适合它们的各种求解
算法。除了极少数问题可以用暴力搜索来得到最优解之外,我们将机器学习中使用的
优化算法分成两种类型(本文不考虑随机优化算法如模拟退火、遗传算法等):
公式求解
数值优化
前者给出一个最优化问题精确的公式解,也称为解析解,一般是理论结果。后者是在
要给出极值点的精确计算公式非常困难的情况下,用数值计算方法近似求解得到最优
点。除此之外,还有其他一些求解思想,如分治法,动态规划等。我们在后面单独列
出。一个好的优化算法需要满足:
能正确的找到各种情况下的极值点
速度快
下图给出了这些算法的分类与它们之间的关系:
接下来我们将按照这张图来展开进行讲解。
费马定理
对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积
分中的这一定理指出,对于可导函数,在极值点处导数必定为0:
对于多元函数,则是梯度为0:
导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是
充分条件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶
导数。对于一元函数,假设x是驻点:
如果f''(x)>0,则在该点处去极小值
如果f''(x)<0,则在该点处去极大值
如果f''(x)>=0,还要看更高阶导数
对于多元函数,假设x是驻点:
如果Hessian矩阵正定,函数在该点有极小值
如果Hessian矩阵负定,函数在该点有极大值
如果Hessian矩阵不定,还需要看更(此处误)
在导数为0的点处,函数可能不取极值,这称为鞍点,下图是鞍点的一个例子(来自S
IGAI云端实验室):
剩余21页未读,继续阅读
资源评论
白话机器学习
- 粉丝: 9755
- 资源: 7681
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功