[TOC] 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：<a target="_blank" href="https://www.cnblogs.com/nickchen121/p/11686958.html">https://www.cnblogs.com/nickchen121/p/11686958.html</a>
牛顿法和拟牛顿法
牛顿法(Newton method)和拟牛顿法(quasi-Newton method)和梯度下降法一样也是求解最优化问题的常用方法，但是他们的收敛速度比梯度下降法快。牛顿法是迭代算法，每一步都需要求目标函数的海森矩阵的逆矩阵，计算复杂；拟牛顿法通过正定矩阵近似海森矩阵的逆矩阵，简化这个计算过程。
一、牛顿法详解
1.1 无约束最优化问题
对于一个约束问题 $$ \underbrace{min}_{x\in{R^n}}f(x) $$ 其中$x^*$为目标函数的极小点。
1.2 牛顿法迭代公式
假设$f(x)$具有二阶连续偏导数，如果第$k$次迭代值为$x^{(k)}$，则可以把$f(x)$在$x^{(k)}$附近使用二阶泰勒展开 $$ f(x)=f(x^{(k)})+g_k^T(x-x^{(k)})+\frac{1}{2}(x-x^{(k)})^TH(x^{(k)})(x-x^{(k)}) $$ 其中$g_k=g(x^{(k)})=\nabla{f(x^{(k)})}$是$f(x)$的梯度向量在点$x^{(k)}$的值，$H(x^{(k)})$是$f(x)$的海森矩阵 $$ H(x)=[\frac{\partial^2f}{\partial{x_i}\partial{x_j}}]_{m*n} $$ 在点$x^{(k)}$的值。函数$f(x)$有极值的必要条件是在极值点处一阶导数为0，即梯度向量为0。特别是当$H(x^{(k)})$是正定矩阵的时候，函数$f(x)$的极值为极小值。 牛顿法利用极小点的必要条件 $$ \nabla{f(x)}=0 $$ 每次迭代中从点$x^{(k)}$开始，求目标函数的极小点，作为第$k+1$次迭代值$x^{(k+1)}$，即假设$x^{(k+1)}$满足 $$ \nabla{f(x^{(k+1)}}=0 $$ 通过泰勒二阶展开式即可得 $$ \nabla{f(x)}=g_k+H_k(x-x^{(k)}) $$ 其中$H_k=H(x^{(k)})$，由此$\nabla{f(x^{(k+1)}}=0$变成 $$ g_k+H_k(x^{(k+1)}-x^{(k)}) = 0 $$ 因此 $$ x^{(k+1)}=x^{(k)}-H_k^{-1}g_k $$ 或 $$ x^{(k+1)}=x^{(k)}+p_k $$ 其中 $$ \begin{align} & x^{(k+1)}=x^{(k)}-H_k^{-1}g_k=x^{(k)}+p_k \ & -H_k^{-1}g_k=p_k \ & H_kp_k=-g_k \end{align} $$ 使用$x^{(k+1)}=x^{(k)}-H_k^{-1}g_k$作为迭代公式的算法就是牛顿法。
1.3 牛顿法和梯度下降法
从本质上去看，牛顿法是二阶收敛，梯度下降是一阶收敛，所以牛顿法更快。如果更通俗地说的话，比如你想找一条最短的路径走到一个盆地的最底部，梯度下降法每次只从你当前所处位置选一个坡度最大的方向走一步，牛顿法在选择方向时，不仅会考虑坡度是否够大，还会考虑你走了一步之后，坡度是否会变得更大。所以，可以说牛顿法比梯度下降法看得更远一点，能更快地走到最底部。
虽然牛顿法看起来比梯度下降法好很多，但是别忘记了牛顿法迭代过程中需要计算海森矩阵的逆矩阵，如果数据量较大的话，牛顿法的计算开销将远远大于梯度下降法。
二、牛顿法流程
2.1 输入
目标函数$f(x)$，梯度$g(x)=\nabla{f(x)}$，海森矩阵$H(x)$，精度要求$\epsilon$
2.2 输出
$f(x)$的极小点$x^*$
2.3 流程
- 取初始点$x^{(0)}$，并且让$k=0$
- 计算$g_k=g(x^{(k)})$
- 如果$||g_k||\leq\epsilon$，停止计算，得到近似解$x^*=x^{(k)}$
- 计算$H_k=H(x^{(k)})$，并求出$p_k$ $$ H_kp_k=-g_k $$
- 让$x^{(k+1)}=x^{(k)}+p_k$
- 让$k=k+1$，转到第2步
在第4步求$p_k$的时候，$p_k=-H_k^{-1}g_k$，要求求海森矩阵的逆矩阵$H_k^{-1}$，计算会比较复杂。
三、拟牛顿法简介
在牛顿法的迭代中，需要计算海森矩阵的逆矩阵$H^{-1}$，这个过程是比较复杂的，而拟牛顿法则使用了一个$n$阶矩阵$G_k=G(x^{(k)})$近似替代$H_k^{-1}=H^{-1}(x^{(k)})$，此处不多赘述。
来源：oschina
链接：https://my.oschina.net/u/4291623/blog/3370220