4.优化器 - 模型评估

• 优化器 - optimizer

  • 优化器就是在深度学习反向传播过程中，指引损失函数（目标函数）的各个参数往正确的方向更新合适的大小，使得更新后的各个参数损失函数（目标函数）值不断逼近全局最小
    

  • 优化器不计算梯度，他只是梯度的更新者，它决定了以什么样的形式更新参数

  • 如果损失函数是一座山峰，优化器会通过梯度下降，帮助我们以最快的方式，从高山下降到谷底

• 优化器种类

• 1.梯度

• 2.梯度下降算法
  

  • BGD：批量梯度下降法 在全训练集上计算精确的梯度
  • SGD: 随机梯度下降法 采样单个样本来评估的当前梯度
  • mini-batch GD：mini-batch梯度下降法使用batch的一个子集来计算梯度
  • 为了获取准确的梯度，批量梯度下降法的每一步都把整个训练集载入进来进行计算，时间花费和内存开销都非常大，无法应用于大数据集、大模型的场景
  • 随机梯度下降法则放弃了对梯度准确性的追求，每步仅仅随机采样一个样本来估计当前梯度，计算速度快，内存开销小，但由于每步接受的信息量有限，随机梯度下降法对梯度的估计常常出现偏差，造成目标函数曲线收敛得很不稳定，伴有剧烈的波动，有时甚至出现不收敛的情况
  • 鉴于BGD和SGD各自的局限性，目前得训练采用Mini-Batch GD，每次对batch size得数据进行梯度计算，更新参数
    

• 3.Momentum
  

  • 引入 惯性保持（动量）思想，Vt由两部分组成：一是学习率n乘以当前估计得梯度gt；二是带衰减的前一次步伐Vt-1。Vt直接依赖于Vt-1和gt，而不仅仅是gt。另外衰减系数γ扮演了阻力得作用
    

• 4.AdaGrad
  

  • 引入 自适应思想，训练过程中，学习速率逐渐衰减，经常更新的参数其学习速率衰减更快
  • AdaGrad 方法采用所有 历史梯度平方和平方根做分母，分母随机时间单调递增，产生得自适应学习速率随时间衰减的速度过于激进
  • 此方法过于激进

• 5.RMSprop

  • RMSprop是Hinton在课程中提到得一种方法，是对AdaGrad算法得改进，主要是解决学习速率过快衰减得问题
    

  • 采用梯度平方的指数加权移动平均值，其中一般取0.9，有助于避免学习速率很快下降得问题，学习率建议取值为0.001

• 6.Adam - 目前应用最广得方法

  • Adam 方法将惯性保持（动量）和自适应这两个有点集于一身

  • Adam 记录梯度的 一阶矩（first moment），即 过往梯度与当前梯度得平均，这体现了惯性保持：
    

  • Adam 还记录梯度的 二阶矩（second moment），即 过往梯度平方与当前梯度平方的平均，这类似AdaGrad方法，体现了自适应能力，为不同参数产生自适应学习速率：
    

  • 一阶矩 和 二阶矩 采用类似于滑动窗口内求平均得思想进行融合，即 当前梯度和近一段时间内梯度的平均值，时间久远的梯度对当前平均值得贡献呈指数衰减
    

---

---

• 评估指标 - PRF（Precision、Recall、F1）

• 2.分类模型

  • Accuracy
    

  • 2.混淆矩阵 - Confusion Matrix
    
    

  • Precision
    

    • 准确率，表示预测结果中，预测为正样本的样本中，正确预测的概率

  • Recall
    

    • 召回率，表示原始样本的正样本中，被正确预测为正样本的概率

  • Precision和Recall值是既矛盾又统一的两个指标，为了提高Precision值，分类器需要尽量在“更有把握”时才把样本预测为正样本，但此时往往会因为过于保守而漏掉很多“没有把握”的正样本，导致Recall值降低

  • F1
    

    • F1-score时Precision和Recall两者的综合，是一个综合性的评估指标
    • Micro-F1：不区分类别，直接使用总体样本的准召计算f1 score
    • Macro-F1：先计算出每一个类别的准召及其f1 score，然后通过求均值得到再整个样本上的f1 score
    • 数据均衡，两者均可；样本不均衡，相差很大，使用Macro-F1；样本不均衡；相差不大，优先选择Micro-F1

  • 其它分类模型