在應(yīng)用機(jī)器學(xué)習(xí)算法時(shí)，我們通常采用梯度下降法來對采用的算法進(jìn)行訓(xùn)練。其實(shí)，常用的梯度下降法還具體包含有三種不同的形式，它們也各自有著不同的優(yōu)缺點(diǎn)。

下面我們以線性回歸算法來對三種梯度下降法進(jìn)行比較。

一般線性回歸函數(shù)的假設(shè)函數(shù)為：

對應(yīng)的能量函數(shù)（損失函數(shù)）形式為：

下圖為一個(gè)二維參數(shù)（θ0和 θ1）組對應(yīng)能量函數(shù)的可視化圖：

01

批量梯度下降法BGD

批量梯度下降法（Batch Gradient Descent，簡稱BGD）是梯度下降法最原始的形式，它的具體思路是在更新每一參數(shù)時(shí)都使用所有的樣本來進(jìn)行更新，其數(shù)學(xué)形式如下：

(1) 對上述的能量函數(shù)求偏導(dǎo)：

(2) 由于是最小化風(fēng)險(xiǎn)函數(shù)，所以按照每個(gè)參數(shù)θ的梯度負(fù)方向來更新每個(gè) θ ：

具體的偽代碼形式為：

從上面公式可以注意到，它得到的是一個(gè)全局最優(yōu)解，但是每迭代一步，都要用到訓(xùn)練集所有的數(shù)據(jù)，如果樣本數(shù)目 m 很大，那么可想而知這種方法的迭代速度！所以，這就引入了另外一種方法，隨機(jī)梯度下降。

優(yōu)點(diǎn)：

全局最優(yōu)解；易于并行實(shí)現(xiàn)；

缺點(diǎn)：

當(dāng)樣本數(shù)目很多時(shí)，訓(xùn)練過程會(huì)很慢。

從迭代的次數(shù)上來看，BGD迭代的次數(shù)相對較少。其迭代的收斂曲線示意圖可以表示如下：

02

隨機(jī)梯度下降法SGD

由于批量梯度下降法在更新每一個(gè)參數(shù)時(shí)，都需要所有的訓(xùn)練樣本，所以訓(xùn)練過程會(huì)隨著樣本數(shù)量的加大而變得異常的緩慢。隨機(jī)梯度下降法（Stochastic Gradient Descent，簡稱SGD）正是為了解決批量梯度下降法這一弊端而提出的。

將上面的能量函數(shù)寫為如下形式：

利用每個(gè)樣本的損失函數(shù)對θ求偏導(dǎo)得到對應(yīng)的梯度，來更新 θ ：

具體的偽代碼形式為：

隨機(jī)梯度下降是通過每個(gè)樣本來迭代更新一次，如果樣本量很大的情況（例如幾十萬），那么可能只用其中幾萬條或者幾千條的樣本，就已經(jīng)將theta迭代到最優(yōu)解了，對比上面的批量梯度下降，迭代一次需要用到十幾萬訓(xùn)練樣本，一次迭代不可能最優(yōu)，如果迭代10次的話就需要遍歷訓(xùn)練樣本10次。但是，SGD伴隨的一個(gè)問題是噪音較BGD要多，使得SGD并不是每次迭代都向著整體最優(yōu)化方向。

優(yōu)點(diǎn)：

訓(xùn)練速度快；

缺點(diǎn)：

準(zhǔn)確度下降，并不是全局最優(yōu)；不易于并行實(shí)現(xiàn)。

從迭代的次數(shù)上來看，SGD迭代的次數(shù)較多，在解空間的搜索過程看起來很盲目。其迭代的收斂曲線示意圖可以表示如下：

03

小批量梯度下降法MBGD

有上述的兩種梯度下降法可以看出，其各自均有優(yōu)缺點(diǎn)，那么能不能在兩種方法的性能之間取得一個(gè)折衷呢？即，算法的訓(xùn)練過程比較快，而且也要保證最終參數(shù)訓(xùn)練的準(zhǔn)確率，而這正是小批量梯度下降法（Mini-batch Gradient Descent，簡稱MBGD）的初衷。

MBGD在每次更新參數(shù)時(shí)使用b個(gè)樣本（b一般為10），其具體的偽代碼形式為：

4. 總結(jié)

Batch gradient descent:Use all examples in each iteration；

Stochastic gradient descent:Use 1 example in each iteration；

Mini-batch gradient descent:Use b examples in each iteration.