博客摘录「 微积分(预备知识)4」2024年4月17日

我们真正关心的是生成一个模型，它能够在从未见过的数据上表现良好。 但“训练”模型只能将模型与我们实际能看到的数据相拟合。 因此，我们可以将拟合模型的任务分解为两个关键问题：

优化（optimization）：用模型拟合观测数据的过程；
泛化（generalization）：数学原理和实践者的智慧，能够指导我们生成出有效性超出用于训练的数据集本身的模型。

导数和微分

画图代码

微积分(预备知识)_backend_inline-CSDN博客文章浏览阅读1.9k次，点赞2次，收藏14次。一些基本的微积分概念与测试_backend_inlinehttps://blog.csdn.net/weixin_43479947/article/details/126987153?spm=1001.2014.3001.5502

小结

微分和积分是微积分的两个分支，前者可以应用于深度学习中的优化问题。

导数可以被解释为函数相对于其变量的瞬时变化率，它也是函数曲线的切线的斜率。

梯度是一个向量，其分量是多变量函数相对于其所有变量的偏导数。

链式法则使我们能够微分复合函数。