Stochastic Gradient Descent收敛判断及收敛速度的控制

要判断Stochastic Gradient Descent是否收敛，可以像Batch Gradient Descent一样打印出iteration的次数和Cost的函数关系图，然后判断曲线是否呈现下降且区域某一个下限值的状态。由于训练样本m值很大，而对于每个样本，都会更新一次θ向量（权重向量），因此可以在每次更新θ向量前，计算当时状况下的cost值，然后每1000次迭代后，计算一次average cost的值。然后打印出iteration和cost之间的关系。

1、不同曲线图代表的含义及应对策略

可能会看到的曲线图有如下几种：

情况1

这样的曲线说明算法已经收敛。

如果我们使用小一点的学习率α，那么可能最终会训练到比较好的θ向量（红色线）

但是小的学习率也意味着更长的训练时间。

情况2

如果我们不是1000次迭代计算并打印一次，而是5000次迭代后才计算并打印一次。那么曲线可能会更加平滑一些（绿色线）。

情况3

如果我们得到的曲线（1000次迭代并打印）是波动很剧烈，并且没有显示任何下降趋势，如下图：

那么有两种可能，一噪声太剧烈而无法看出算法收敛的趋势；二算法没有收敛。

这种情况下，我们可以调整打印的步长（比如5000次迭代才计算并打印一次），那么可能会得到两种不同的曲线（如下两幅图所示）。

如果得到得是类似这条红色的曲线，那么说明算法已经收敛或已经表现出收敛的趋势了。如果得到的是如下图所示的绿色的线，说明算法没有收敛。

情况4

还有一种情况，就是曲线不但没有呈现下降的趋势，反而出现了上升的趋势，如下图：

这说明学习率α设置得过大，需要调小学习率。

 

2、学习率的设置

当学习率比较小的时候，可以训练出更优的权重向量。但是较小的学习率也意味着更长的训练时间，而且如果是非凸问题则还有可能会陷入局部解中。那么，如果使用动态递减的学习率（即在学习开始之初，学习率较大，然后根据迭代次数的增加，学习率逐渐减小）也许会好一些。这样我们可以用一个式子来按照迭代次数调整学习率，例如：

常量1和常量2的目的是为了保证学习率在一个正常的范围内（不至于当循环次数很高或很低时，学习率会变得过大或过小）。

通过调整学习率（手工或如上式自动调整），就可以控制算法收敛的速度。

 

Reference：

Andrew Ng Stochastic Gradient Descent Convergence (12 min)