Deep Learning 最优化方法之AdaGrad

结论：

1.简单来讲，设置全局学习率之后，每次通过，全局学习率逐参数的除以历史梯度平方和的平方根，使得每个参数的学习率不同

2.效果是：在参数空间更为平缓的方向，会取得更大的进步（因为平缓，所以历史梯度平方和较小，对应学习下降的幅度较小）

3.缺点是,使得学习率过早，过量的减少

4.在某些模型上效果不错。

算法流程如下：

 具体推导流程如下：

可看出从x0点到最优点-b/2a需要走的步长为x0+b /2a刚好是一次微分和二次微分的比值。

通过一阶导数近似斜率的方式，寻找其他代替减少大小就可以。

原文：https://www.cnblogs.com/limingqi/p/12618661.html