第2章：优化算法与传统机器学习
版本： v2.1
最后更新： 2026-05-30
章节概览
本章把“优化”当作训练系统的底层机制来讲：先回答参数如何被更新、训练为什么会不稳定，再把线性模型、SVM 和树模型统一到“最小化目标函数”的视角下。这样读完之后，不只是知道算法名称，而是知道训练过程里应该同时关注目标、更新规则、学习率和数值稳定性。
本章重点关注：
- 优化问题如何被定义，以及梯度下降如何工作
- 动量、RMSprop、Adam 和学习率调度为什么能改变收敛行为
- 浮点数、条件数和梯度检查为什么会决定实现能否落地
- 线性回归、逻辑回归、SVM 和决策树如何统一到机器学习的优化视角
- 这些经验如何过渡到第 3 章的深度学习训练与第 5 章的 LLM 训练
快速导航
| 章节 | 文件 | 难度 | 时间 |
|---|---|---|---|
| 2.1 梯度下降基础 | 01_gradient_descent.md | ⭐⭐ | 15分钟 |
| 2.2 自适应优化器 | 02_adaptive_optimizers.md | ⭐⭐⭐ | 20分钟 |
| 2.3 优化与传统ML | 03_optimization_and_traditional_ml.md | ⭐⭐⭐ | 20分钟 |
| 2.4 数值方法基础 | 04_numerical_methods.md | ⭐⭐⭐ | 15分钟 |
| 2.5 线性/逻辑回归 | 05_linear_logistic_regression.md | ⭐⭐ | 15分钟 |
| 2.6 SVM与核方法 | 06_svm_kernel_methods.md | ⭐⭐⭐ | 20分钟 |
| 2.7 决策树与随机森林 | 07_decision_trees_random_forest.md | ⭐⭐⭐ | 20分钟 |
小节目录
优化算法基础
2.1 梯度下降基础 — 📖 阅读
- 优化问题的定义和梯度下降的原理
- 反向传播和链式法则
- 为什么梯度下降对深度学习重要
2.2 自适应优化器 — 📖 阅读
- 动量、RMSprop、Adam等改进算法
- 为什么深度学习使用Adam
- 学习率调度的重要性
2.3 优化算法与传统机器学习 — 📖 阅读
- 优化算法如何从“求最小值”扩展到“训练系统”
- 为什么训练大模型时必须同时关心算法、学习率和数值稳定性
- 传统 ML 为什么仍然是理解深度学习的重要前置
- 从传统 ML 到深度学习，再到 LLM 训练的统一视角
2.4 数值方法基础 — 📖 阅读
- 浮点数精度、舍入误差和条件数
- 梯度检查、有限差分和反向传播的数值验证
- 梯度消失、梯度爆炸与训练稳定性
传统机器学习
2.5 线性回归与逻辑回归 — 📖 阅读
- 监督学习如何落到损失函数最小化
- 从回归到分类的目标函数变化
- 与神经网络训练的连续性
2.6 支持向量机与核方法 — 📖 阅读
- 最大间隔与结构化目标
- 核方法如何把非线性问题变回线性可分
- 与深度学习特征学习的对照关系
2.7 决策树与随机森林 — 📖 阅读
- 贪心分裂和集成学习的基本思想
- 随机森林如何通过多模型降低方差
- 与多路表示融合思想的启发式类比
章节逻辑导图
优化问题的定义与更新规则（2.1-2.2）
↓
训练过程中的工程约束（2.3-2.4）
↓
传统机器学习如何落到目标函数最小化（2.5-2.7）
├─ 线性模型：可解释的基线
├─ 核方法：非线性建模的经典路线
└─ 树模型：贪心分裂与集成学习
↓
深度学习训练（第3章）
↓
Transformer 与 LLM 训练（第4-5章）学习时间
- 快速版（仅阅读正文）：15分钟
- 标准版（包含优化算法实验）：40分钟
- 完整版（包含所有实验）：90分钟
核心问题
完成本章后，你应该能回答：
优化算法部分
- 机器学习里的“优化问题”到底是在优化什么？
- 梯度下降解决了什么问题，又有哪些局限？
- 为什么动量、RMSprop 和 Adam 能显著影响训练行为？
- 学习率调度为什么是训练流程的一部分，而不是附加选项？
传统机器学习部分
- 数值稳定性为什么会决定一个训练方法能不能真正跑起来？
- 线性回归和逻辑回归为什么都可以看作优化问题？
- SVM 如何通过核方法处理非线性问题？
- 决策树和随机森林分别解决了什么建模痛点？
代码实验
本章共有 6 个代码脚本，生成 6 张图片，覆盖优化算法和传统机器学习两大主题。
| 小节 | 脚本 | 生成图片 | 文档位置 |
|---|---|---|---|
| 2.1 梯度下降 | mmse_vs_nn.py | ch02_mmse_vs_nn.png | README |
| 2.2 自适应优化器 | lms_vs_adam.py | ch02_lms_vs_adam.png | 2.2 / README |
| 2.5 线性/逻辑回归 | linear_logistic_regression.py | ch02_linear_logistic_regression.png | 2.5 / README |
| 2.6 SVM与核方法 | svm_kernel.py | ch02_svm_kernel.png | 2.6 / README |
| 2.7 决策树与随机森林 | decision_tree_random_forest.py | ch02_decision_tree_random_forest.png | 2.7 / README |
| 扩展：凸分析 | convex_analysis_demo.py | ch02_convex_analysis.png | extensions |
其中 5 个是核心实验，凸分析是扩展实验；它们共同帮助理解优化算法和传统机器学习的工作原理：
优化算法实验
实验1：MMSE vs 神经网络
- 文件：
code/ch02_optimization/mmse_vs_nn.py - 内容： 对比最小均方误差（MMSE）和神经网络的性能
- 运行：
python code/ch02_optimization/mmse_vs_nn.py - 输出： 性能对比图、收敛曲线、误差分析
实验2：LMS vs Adam优化器
- 文件：
code/ch02_optimization/lms_vs_adam.py - 内容： 对比LMS和Adam两种优化算法的收敛性
- 运行：
python code/ch02_optimization/lms_vs_adam.py - 输出： 收敛曲线、学习率效果、优化器对比
传统机器学习实验
实验3：线性回归与逻辑回归
- 文件：
code/ch02_optimization/linear_logistic_regression.py - 内容： 用梯度下降实现线性回归和逻辑回归，理解ML本质是优化问题
- 运行：
python code/ch02_optimization/linear_logistic_regression.py - 输出： 拟合曲线、决策边界、损失曲线
实验4：SVM与核方法
- 文件：
code/ch02_optimization/svm_kernel.py - 内容： 实现线性SVM和核SVM，理解最大间隔分类和非线性分类
- 运行：
python code/ch02_optimization/svm_kernel.py - 输出： 决策边界、核函数效果、损失曲线
实验5：决策树与随机森林
- 文件：
code/ch02_optimization/decision_tree_random_forest.py - 内容： 实现决策树和随机森林，理解树模型和集成学习
- 运行：
python code/ch02_optimization/decision_tree_random_forest.py - 输出： 决策边界、树结构、集成效果
扩展实验：凸分析
实验6：凸分析基础
- 文件：
code/ch02_optimization/convex_analysis_demo.py - 内容： 凸函数与非凸函数的优化对比，条件数对收敛的影响
- 运行：
python code/ch02_optimization/convex_analysis_demo.py - 输出： 优化路径对比、Rosenbrock 函数等高线、条件数影响图
详见 扩展：凸分析基础
推荐学习路径
路径1：快速入门（15分钟）
- 阅读 2.1-2.3 的正文
- 查看图表和公式
- 把优化问题、学习率和训练稳定性先建立起来
路径2：标准学习（40分钟）
- 阅读所有优化算法内容（2.1-2.4）
- 运行两个优化算法实验
- 阅读 2.5-2.7 传统ML部分
路径3：完整学习（90分钟）
- 阅读所有内容（优化算法 + 传统ML）
- 运行所有6个代码实验
- 回答"核心问题"中的8个问题
- 理解从传统ML到深度学习的演进
路径4：深入理论（2小时+）
关键概念速查
优化算法
| 概念 | 公式 | 直观理解 |
|---|---|---|
| 梯度下降 | 沿着梯度反方向更新参数 | |
| 动量 | 累积历史梯度方向 | |
| Adam | 结合动量和自适应学习率 |
传统机器学习
| 算法 | 损失函数 | 优化方法 | 应用场景 |
|---|---|---|---|
| 线性回归 | MSE | 梯度下降 | 连续值预测 |
| 逻辑回归 | 交叉熵 | 梯度下降 | 二分类 |
| SVM | Hinge损失 | 梯度下降/SMO | 二分类/多分类 |
| 决策树 | 基尼系数 | 贪心分割 | 分类/回归 |
| 随机森林 | 基尼系数 | Bootstrap+贪心 | 分类/回归 |
常见问题
Q: 为什么梯度下降是最基础的训练方法？ A: 因为它把“学习参数”统一成“沿着损失函数下降”的问题，配合反向传播后就能训练大规模模型。但它的稳定性强烈依赖学习率、曲率和数值实现。
Q: Adam优化器为什么常作为强基线？ A: Adam 把动量和自适应学习率结合起来，在很多任务上更容易得到可用收敛；但在大模型训练里，AdamW、学习率调度和权重衰减同样重要。
Q: 学习率太大或太小会怎样？ A: 太大会导致发散或震荡，太小会让训练拖得很慢。实际训练通常必须配合 warmup、衰减或周期性调度。
Q: 机器学习的本质是什么？ A: 可以把它看成在约束条件下最小化目标函数的过程，模型结构、正则化、数据分布和优化算法共同决定结果。
Q: 为什么要学习传统ML算法？ A: 因为它们提供了很多后面章节仍然在用的基本思想，比如损失函数、间隔、正则化、集成和结构化决策。
Q: SVM的核方法有什么用？ A: 核方法通过隐式地将数据映射到高维空间，使非线性问题变为线性问题，这个思想在深度学习中也很重要。
Q: 决策树和随机森林与神经网络有什么关系？ A: 决策树和随机森林体现了"多模型/多路径结果融合"的思想。Transformer 多头注意力也会融合多个注意力头的表示，但它是端到端学习的表示机制，不等同于随机森林。
扩展内容
本章提供四个深度扩展文档，适合想深入理解优化、机器学习和工程系统决策的读者：
高级优化话题 — 📖 阅读
- E2.1 二阶优化方法 — 牛顿法、拟牛顿法、L-BFGS
- E2.2 随机优化理论 — 收敛速度分析、方差缩减
- E2.3 非凸优化 — 深度学习中的非凸性、鞍点、过度参数化
- E2.4 学习率调度 — 预热、余弦退火、周期性重启
- E2.5 正则化与优化 — L1/L2正则化、批归一化
- E2.6 优化与泛化 — 双重下降现象、隐式正则化
- E2.7 分布式优化 — 数据并行、模型并行、联邦学习
- E2.8 与LLM训练的连接 — 大规模训练实践、梯度检查、损失曲线分析
- 与深度学习的联系 — 为什么深度学习不使用二阶方法、何时使用、与Adam的对比
凸分析基础 — 📖 阅读
- 凸集和凸函数 — 定义、性质、判断方法
- 凸优化问题 — 标准形式、性质、例子
- 非凸优化 — 深度学习中的非凸性、为什么仍然有效
- 对偶问题 — Lagrange对偶、强对偶性、SVM应用
- 与深度学习的联系 — 为什么深度学习是非凸的、凸性的意义、具体应用例子
运筹学基础 — 📖 阅读
- 线性规划 — 资源分配、成本最小化和约束表达
- 整数规划 — 路由、调度、开关和离散决策
- 动态规划 — 多步系统中的长期成本和序列决策
- 排队论 — 吞吐、等待时间、服务率和长尾延迟
- 与 LLM Serving 的联系 — 批处理、模型路由、缓存、容量规划和 SLO 成本优化
树数据结构基础 — 📖 阅读
- 树的基本概念 — 节点、边、深度、高度
- 决策树的树结构 — 根节点、内部节点、叶子节点
- 树的遍历与预测 — 前序遍历、中序遍历、后序遍历
- 二叉树 — 定义、性质、与决策树的关系
- 树的复杂度分析 — 构建、查询、空间复杂度
- 树的递归实现 — 节点定义、递归构建、递归预测
- 树的剪枝 — 前剪枝、后剪枝、防止过拟合
关键连接点
梯度下降 → 优化器
基础梯度下降：w = w - α * ∇L
↓
自适应优化器（Adam）：根据历史梯度调整学习率
↓
深度学习训练：所有神经网络都用优化器训练启示： 优化器是梯度下降的改进版本，是深度学习的核心。
传统ML → 深度学习
线性回归 → 神经网络（添加隐层和非线性激活）
逻辑回归 → 深度分类网络（多层堆叠）
SVM核方法 → 深度学习中的特征学习（自动学习特征）
集成学习 → 多头注意力的启发式类比（多路表示的融合）启示： 深度学习是传统ML的自然延伸，通过自动特征学习和多层堆叠实现更强的表达能力。
优化 → LLM训练
优化算法（梯度下降、Adam）
↓
神经网络训练（反向传播）
↓
深度学习（CNN、RNN、Transformer）
↓
大语言模型（LLM）训练启示： 理解优化算法是理解LLM训练的基础。
目标4：准备深度学习学习（1.5小时）
- 阅读 2.1 梯度下降基础
- 阅读 2.2 自适应优化器
- 阅读 2.3 优化与传统ML
- 运行优化算法实验（实验1、2）
- 准备进入第3章：深度学习基础
按学习风格选择方式
理论优先型： 先读文档，再看代码
- 阅读所有主文档
- 理解核心概念
- 运行代码实验验证理解
实践优先型： 先运行代码，再读文档
- 运行代码实验
- 观察实验结果
- 阅读文档理解原理
混合型： 交替进行
- 阅读一个小节
- 运行相关代码实验
- 分析实验结果
- 继续下一个小节
下一步： 阅读 2.1 梯度下降基础