derivative

导数代表函数增大的方向 在梯度下降法中,参数应该向导数的负方向移动。在梯度上升法中则相反。

临界点

一个函数在某个点上所有偏导都为0,这个点称为临界点(critical point)。 临界点有可能是:

  • 极小值点 local/gobal minima

  • 极大值点 local/global maxima

  • 鞍点(saddle point)

名字name附近的点H矩阵的特征值横截面

极小值点

local/gobal minima

所有点都比它大

全部为正

所有横截面上都是极小值点

极大值点

local/global maxima

所有点都比它小

全部为负

所有横截面上都是极大值点

鞍点

saddle point

某些点比它大,某些点比它小

有正有负

有的横截面上是极小值,有的横截面上是极大值

问:怎么区分一个临界点是什么类型? 答:Hessian矩阵。

Hessian矩阵区分临界点的类型

将$f(\theta)$在临界点处按泰勒公式展开并保留到二阶项,得:

f(θ)=f(θ0)+(θθ0)g+12(θθ0)H(θθ0)+...f(\theta) = f(\theta_0) + (\theta-\theta_0)g + \frac{1}{2}(\theta-\theta_0)^\top H(\theta-\theta_0) + ...

已知: H是一个对称矩阵, 由于$\theta$是临界点,一阶导数g为0 令$x=\theta-\theta_0$ 得:

f(θ)=f(θ0)+12xHx+...f(\theta) = f(\theta_0) + \frac{1}{2}x^\top Hx + ...

H正定 $\Rightarrow x^\top Hx > 0 \Rightarrow f(\theta) > f(\theta_0) \Rightarrow \theta_0$是局部极小点。 H负定 $\Rightarrow x^\top Hx < 0 \Rightarrow f(\theta) < f(\theta_0) \Rightarrow \theta_0$是局部极大点。 H[不定] $\Rightarrow x^\top Hx < 0$和$x^\top Hx > 0$都存在 $\Rightarrow f(\theta)$ 和$f(\theta_0)$关系不确定 $\Rightarrow \theta_0$是鞍点。 H非正定或非负定 $\Rightarrow$ 存在$x^\top Hx = 0$的情况 $\Rightarrow f(\theta) $和$f(\theta_0)$关系不确定,取决于被省略的二阶以上的项 $\Rightarrow$ 无法判断$\theta_0$是什么类型的点。

Last updated