梯度
机器学习中，梯度下降法，牛顿法都会用到梯度概念
对于一元函数，梯度可以看成导数
对于多元函数，梯度可以看成偏导数
如果多元函数包含N个自变量：x1,x2,...,xnx_1, x_2, ..., x_nx1,x2,...,xn，那么它的梯度就是由x1,x2,...,xnx_1, x_2, ..., x_nx1,x2,...,xn分别求偏导组成的向量
记作：
▽f(x)=[δfδx1,δfδx2,...,δfδxn]T\triangledown{f(x)} = \begin{bmatrix} \frac{\delta{f}}{\delta{x_1}},\frac{\delta{f}}{\delta{x_2}}, ..., \frac{\delta{f}}{\delta{x_n}} \end{bmatrix}^T▽f(x)=[δx1δf,δx2δf,...,δxnδf]T
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
