机器学习中的数学

最新推荐文章于 2021-10-07 16:00:56 发布

azago

最新推荐文章于 2021-10-07 16:00:56 发布

阅读量1.2k

点赞数 1

分类专栏：机器学习文章标签：机器学习数学深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/cjm083121/article/details/97645361

版权

本文介绍了机器学习中几个关键的数学概念：向量、梯度、Jacobian矩阵和Hessian矩阵，以及泰勒级数在多元函数中的应用。向量默认为列向量，梯度表示函数变化，Jacobian矩阵用于描述多变量函数的变化，Hessian矩阵则表示函数的二阶导数信息，泰勒级数用于函数的近似展开。

摘要由CSDN通过智能技术生成

一、向量

在这里插入图片描述
机器学习中的向量默认都是列向量，竖着排列的，如果是行向量的话，就要在右上角加一个转置符号T

二、梯度

在这里插入图片描述
注意，y关于x的梯度也是一个列向量

三、Jacobian矩阵

设一个函数：

在这里插入图片描述

即n维空间到m维空间的映射
这个函数f的Jacobian矩阵是一个m行n列的矩阵

例：以下函数将(x1,x2,x3)映射为了(y1,y2.y3,y4)

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。