SGD(Stochastic Gradient Descent)，译为随机梯度下降，是深度学习中的常用的函数优化方法。

1.引例

在介绍$SGD$之前首先来引入一个例子，有三个人在山顶上正在思考如何快速的下山，老大，老二和老三分别提出了三个不同的观点。

• 老大说：从山顶出发，每走一段路程，就寻找附近所有的山路，挑选最陡峭的山路继续前进，顾名思义，老大总是挑最陡峭的山路来走。

• 老二说：从山顶出发，每走一段路程，就随机地寻找附近部分的山路，挑选最陡峭的山路继续前进，顾名思义，老二随机的寻找部分山路，然后走最陡峭的。

• 老三说：从山顶出发，直接随机的挑选山路走，直到到达山脚。

老大的走法虽然每条路都是最优，但是在寻找最陡的山路的过程中会耗费大量的时间。

老二的走法虽然不能保证每次的路都是最优的，但能保证每次的路都比较优，而且不用花费大量的时间来寻找最陡的山路。

老三的走法较为随意，每次走的路有可能最优，可能最劣。

那么你认为最先到达山脚呢？在学完$SGD$之后，你就会得到答案。

2.SGD介绍

2.1引入问题

给你一个$xy$坐标系，上面有一些点，给你过原点的一条直线$y=wx$，如何用最快的方法来拟合这些点？

为了解决这个问题，我们要对问题定义一个目标，即让所有的点离直线的偏差最小。我们常用的误差函数为均方误差，对于一个点$p_1$来说，它与直线的均方误差可以定义为$e_1$：

$e_1=(y_1-w{x}_1{)}^2=(w{x}_1-y_1{)}^2$
完全平方展开：
$$e_1=w^2{x_1}^2-2(w{x}_1{y}_1)+{y_1}^2$$$$e_1={x_1}^2{w}^2-2(x_1{y}_1)w+{y_1}^2$$
同理，点$p2$，$p3$，$...$，$pn$都是如此：
$$e_2={x_2}^2{w}^2-2(x_2{y}_2)w+{y_2}^2$$$$e_3={x_3}^2{w}^2-2(x_3{y}_3)w+{y_3}^2$$$$e_n={x_n}^2{w}^2-2(x_n{y}_n)w+{y_n}^2$$
而我们最终的误差$$e=(\sum e_1+e_2+...+e_n)/n$$
通过合并同类项：

最终得到：

因为$a={x_1}^2+...+{x_n}^2$，所以$a>0$，所以$e$是一个向上的抛物线。

定义好误差函数后，可以开始计算梯度了

显然，当达到$ew$图像中的最低点的时候，$e$最小，此时的$w$最优。

如何从右边黄色的点快速移到最低处呢？这就是随机梯度下降了，从自身位置出发，每隔一段路程就探索一次，随机挑选一个梯度最大的方向进行移动，直到移动到最低点。
那隔多远进行探索一次呢？这就是学习率$learning$ $rate$了，当$learning$ $rate=0.1$时

当$learning$ $rate=0.2$时

好的学习率能够让点快速降到最低

2.2SGD的计算步骤

回到刚刚爬山那个问题，通过大量数据实验得知，老二的$SGD$方法能最快到达山脚。

3.SGD的代码实现

from sklearn.linear_model import SGDRegressor
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
X_scaler = StandardScaler()
y_scaler = StandardScaler()
X = [[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300],[50],[100],[150],[200],[250],[300]]
y = [[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330],[150],[200],[250],[280],[310],[330]]
#plt.show()
X = X_scaler.fit_transform(X) #用什么方法标准化数据？
y = y_scaler.fit_transform(y)
X_test = [[40],[400]] # 用来做最终效果测试
X_test = X_scaler.transform(X_test) 
model = SGDRegressor()
model.fit(X, y.ravel())
y_result = model.predict(X_test)
plt.title('single variable')
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)
plt.plot(X, y, 'k.')
plt.plot(X_test, y_result, 'g-')
plt.show()

结果：