梯度(本质上是一个向量)是机器学习里面的重要基础,借助梯度下降才能最小化损失函数,逐步更新网络参数,得到最佳的函数表示。梯度方向的变化率最大,沿着梯度的反方向,可以最大效率的降低损失函数。在对梯度的理解上,首先明确:先有方向导数的概念,才有梯度的定义
单位向量
以三维空间下为例,单位向量表示为:。
分别是该单位向量与各坐标轴的夹角,通过3个夹角的约束,可以使该向量指向任何方向。且规定是单位向量,其模长为1
角度是表示该单位向量的最重要的部分,直接用表示单位向量感觉更直接,用cos表示是为了计算的方便?
方向导数及梯度
以二元函数