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:
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:
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