L-BFGS算法.doc

一、BFGS算法 算法思想如下： Step1 取初始点，初始正定矩阵，允许误差，令； Step2 计算； Step3 计算，使得； Step4 令； Step5 如果，则取为近似最优解；否则转下一步； Step6 计算， 令，转Step2.优点：1、不用直接计算Hessian矩阵；2、通过迭代的方式用一个近似矩阵代替Hessian矩阵的逆矩阵。缺点：1、矩阵存储量为，因此维度很大时内存不可接受；2、矩阵非稀疏会导致训练速度慢。二、L-BFGS算法 针对BFGS的缺点，主要在于如何合理的估计出一个Hessian矩阵的逆矩阵，L-BFGS的基本思想是只保存最近的m次迭代信息，从而大大降低数据存储空间。对照BFGS，我重新整理一下用到的公式：于是估计的Hessian矩阵逆矩阵如下：把带入上式，得：假设当前迭代为k，只保存最近的m次迭代信息，（即：从k-mk-1），依次带入，得到：公式1：算法第二步表明了上面推导的最终目的：找到第k次迭代的可行方向，满足：为了求可行方向p，有下面的: two-loop recursion算法该算法的正确性推导：1、令:，递归带入q：相应的：2、令：于是:这个two-loop recursion算法的结果和公式1*初始梯度的形式完全一样，这么做的好处是：1、只需要存储、（i=1m）；2、计算可行方向的时间复杂度从O(n*n)降低到了O(n*m)，当m远小于n时为线性复杂度。总结L-BFGS算法的步骤如下： Step1: 选初始点，允许误差，存储最近迭代次数m（一般取6）； Step2:； Step3: 如果则返回最优解，否则转Step4； Step4: 计算本次迭代的可行方向：； Step5: 计算步长，对下面式子进行一维搜索：； Step6: 更新权重x：； Step7: if k m 只保留最近m次的向量对，需要删除()； Step8: 计算并保存：； Step9: 用two-loop recursion算法求得：； k=k+1，转Step3。需要注意的地方，每次迭代都需要一个，实践当中被证明比较有效的取法为：三、OWL-QN算法1、问题描述对于类似于Logistic Regression这样的Log-Linear模型，一般可以归结为最小化下面这个问题：其中，第一项为loss function，用来衡量当训练出现偏差时的损失，可以是任意可微凸函数（如果是非凸函数该算法只保证找到局部最优解），后者为regularization term，用来对模型空间进行限制，从而得到一个更“简单”的模型。 根据对模型参数所服从的概率分布的假设的不同，regularization term一般有：L2-norm（模型参数服从Gaussian分布）；L1-norm（模型参数服从Laplace分布）；以及其他分布或组合形式。L2-norm的形式类似于：L1-norm的形式类似于：L1-norm和L2-norm之间的一个最大区别在于前者可以产生稀疏解，这使它同时具有了特征选择的能力，此外，稀疏的特征权重更具有解释意义。对于损失函数的选取就不在赘述，看两幅图：图1 - 红色为Laplace Prior，黑色为Gaussian Prior图2 直观解释稀疏性的产生 对LR模型来说损失函数选取凸函数，那么L2-norm的形式也是的凸函数，根据最优化理论，最优解满足KKT条件，即有：，但是L1-norm的regularization term显然不可微，怎么办呢？2、Orthant-Wise Limited-memory Quasi-Newton OWL-QN主要是针对L1-norm不可微提出的，它是基于这样一个事实：任意给定一个维度象限，L1-norm 都是可微的，因为此时它是一个线性函数：图3 任意给定一个象限后的L1-normOWL-QN中使用了次梯度决定搜索方向，凸函数不一定是光滑而处处可导的，但是它又符合类似梯度下降的性质，在多元函数中把这种梯度叫做次梯度，见维基百科/wiki/Subderivative举个例子：图4 次导数对于定义域中的任何x0，我们总可以作出一条直线，它通过点(x0,f(x0)，并且要么接触f的图像，要么在它的下方。这条直线的斜率称为函数的次导数，推广到多元函数就叫做次梯度。次导数及次微分：凸函数f:IR在点x0的次导数，是实数c使得：对于所有I内的x。可以证明，在点x0的次导数的集合是一个非空闭区间a,b，其中a和b是单侧极限它们一定存在，且满足ab。所有次导数的集合a,b称为函数f在x0的次微分。OWL-QN和传统L-BFGS的不同之处在于：1)、利用次梯度的概念推广了梯度 定义了一个符合上述原则的虚梯度，求一维搜索的可行方向时用虚梯度来代替L-BFGS中的梯度：怎么理解这个虚梯度呢？见下图：对于非光滑凸函数，那么有这么几种情况：图5图6图7 otherwise2)、一维搜索要求不跨越象限 要求更新前权重与更新后权重同方向：图8 OWL-QN的一次迭代总结OWL-QN的一次迭代过程：Find vector of steepest descentChoose sectantFind L-BFGS quadratic approximationJump to minimumProject back onto sectantUpdate Hessian approximation using gradient ofloss alone最后OWL-QN算法框架如下： 与L-BFGS相比，第一步用虚梯度代替梯度，第二、三步要求一维搜索不跨象限，也就是迭代前的点与迭代后的点处于同一象限，第四步要求估计Hessian矩阵时依然使用loss function的梯度（因为L1-norm的存在与否不影响Hessian矩阵的估计）。四、参考资料1、Galen Andrew and Jianfeng Gao. 2007. Scalable training of L1-regularized log-linear models. In Proceedings of ICML, pages 3340.2、/machine-learning/sparsity-and-some-basics-of-l1-regularizati