1. 程式人生 > >機器學習與高數:梯度(Gradient)與梯度下降法(Gradient Descent)

機器學習與高數:梯度(Gradient)與梯度下降法(Gradient Descent)

一篇經典部落格:

http://blog.csdn.net/walilk/article/details/50978864

1.導數定義:導數代表了在自變數變化趨於無窮小的時候,函式值的變化與自變數的變化的比值。幾何意義是這個點的切線。物理意義是該時刻的(瞬時)變化率。

注意:在一元函式中,只有一個自變數變動,也就是說只存在一個方向的變化率,這也就是為什麼一元函式沒有偏導數的原因。

(derivative)


2.偏導數:既然談到偏導數,那就至少涉及到兩個自變數。以兩個自變數為例,z=fx,y),從導數到偏導數,也就是從曲線來到了曲面。曲線上的一點,其切線只有一條。但是曲面上的一點,切線有無數條。而偏導數就是指多元函式沿著座標軸的變化率。

(partial derivative)

直觀地說,偏導數也就是函式在某一點上沿座標軸正方向的的變化率。

3.方向導數

4.梯度

5.梯度下降