機器學習中的數學知識( )梯度下降數學理論

2021-07-26 21:44:17 字數 1340 閱讀 3253

機器學習中的數學知識

微積分:f′

(a)=

limx

→0f(

a+h)

−f(a

)h常見的函式的導數:

(x

a)′=

axa−

1 (e

x)′=

ex(ax

)′=l

n(a)

ax(ln

(x))

′=1x

dsin(x)

dx=c

os(x

) dc

os(x

)dx=

sin(

x)

導數法則

f+βg

)=αf

′+βg

′ (f

g)′=

f′g+

fg′ (f

g)′=

f′g−

fg′g

2

如果 f(x

)=h(

g(x)

) 那麼 f(

x)′=

h′(g

(x))

∗g′(

x)

hessian矩陣

泰勒級數與極值 f(

x+σ)

≈f(x

)+f′

(x)σ

+12f

"σ2

從公式中可以看出在點x的函式值如果是極小值點,那麼

σ 表示在x點左右兩側擺動,要使得公式左邊大於等式右邊(

σ>

0 或者

σ<

0 ),則必須滿足f′

(x)=

0 結論:如果滿足f′

(x)=

0 的點稱為極值點(平穩點),進一步判斷: f"

(x)>

0 , (x

,f(x

))為極小值點; f"

(x)<

0 , (x

,f(x

))為極大值點; 如果f

"(x)

=0, 則稱為拐點

對於矩陣判斷其矩陣的正定性。(正定表示其全部特徵值大於0)

注意:為什麼要用梯度下降,而不是直接令f′

(x)=

0 ?

因為實際中函式求導即使求出來,但是要解方程f′

(x)=

0 非常困難。

梯度下降

機器學習中的數學 梯度和梯度下降

機器學習中的大部分問題都是優化問題,而絕大部分優化問題都可以使用梯度下降法處理,那麼搞懂什麼是梯度,什麼是梯度下降法就非常重要!這是基礎中的基礎,也是必須掌握的概念!提到梯度,就必須從導數 derivative 偏導數 partial derivative 和方向導數 directional der...

機器學習 數學 機器學習涉及的數學知識

簡單總結 機器學習涉及的數學知識有 線性代數,概率論和統計學,多變數微積分,演算法和複雜優化,以及其他等。原文 在過去幾個月裡,有幾個人聯絡過我,說他們渴望進軍資料科學領域,使用機器學習 ml 技術探索統計規律,並打造資料驅動的完美產品。但是,據我觀察,一些人缺乏必要的數學直覺和框架,無法獲得有用的...

機器學習中的基本數學知識

注 本文的 是使用python 3寫的。低等數學 幾何微分 differential 統計學 概率論 資訊理論博弈論 不知道放到哪兒 機器學習 附錄參照 1 f x xw t b f x xwt b 1 1 f x xwt b 這是在機器學習中,最常見的公式。我把這個稱為機器學習的第一公式,實際上就...