02-常见函数的求导公式

求导公式

1. 基本函数
2. 四则运算
3. 复合函数 根据三种公式组合就可以求出任何公式的导数值

基本函数

1. 幂函数 (Power function):
   $$(x^n{)}^{\prime }=n\cdot x^{n-1}$$

2. 指数函数 (Exponential function):
   $$(e^x{)}^{\prime }=e^x$$

3. 以a为底的指数函数:
   $$(a^x{)}^{\prime }=a^x\cdot \ln (a)$$

4. 对数函数 (Logarithmic function):
   $$(lnx{)}^{\prime }=\frac{1}{x}$$

5. 以任意为底的对数函数 :
   $$(lo{g}_{a}x{)}^{\prime }=(\frac{lnx}{lna}{)}^{\prime }=\frac{1}{lna}\ast \frac{1}{x}$$

导数的公式都可以根据下面的式子推导出来
$$\underset{n\to +\infty }{\lim }(1+\frac{1}{n}{)}^n=e$$
$$\underset{x\to 0}{\lim }\frac{sinx}{x}=1$$

三角函数的导数不要管，我们很少会用到它，而且三角函数很讨厌，是周期性函数，而我们 的机器学习中很多时候要求是单调的函数，单调增也好，单调减也好，最好不要周期性函数

四则运算法则

导数的四则运算法则是用来计算复合函数的导数的基本规则。假设函数 f(x) 和 g(x) 在某个区间内可导，那么以下是导数的四则运算法则：

1. 加法法则：

如果 f(x) 和 g(x) 在某个区间内可导，那么对于函数 h(x) = f(x) + g(x)，它的导数为：

$$h^{\prime }(x)=f^{\prime }(x)+g^{\prime }(x)$$

2. 减法法则：

如果 f(x) 和 g(x) 在某个区间内可导，那么对于函数 (h(x) = f(x) - g(x))，它的导数为：

$$h^{\prime }(x)=f^{\prime }(x)-g^{\prime }(x)$$

3. 乘法法则：

如果 f(x) 和 g(x) 在某个区间内可导，那么对于函数 h(x) = f(x)*g(x)，它的导数为：

$$h^{\prime }(x)=f^{\prime }(x)\cdot g(x)+f(x)\cdot g^{\prime }(x)$$

4. 除法法则：

如果 f(x) 和 g(x) 在某个区间内可导且 g(x) ≠ 0那么对于函数 h(x) = f(x)/g(x)，它的导数为：

$$h^{\prime }(x)=\frac{f^{\prime }(x)\cdot g(x)-f(x)\cdot g^{\prime }(x)}{(g(x){)}^2}$$

使用这些四则运算法则，我们可以计算复合函数的导数，使得在求导过程中更加简便和高效。

复合函数求导法则

$$(f(g(x)){)}^{\prime }=f^{\prime }(g)g^{\prime }(x)$$

导数的用途

1. 求极值，往往设导数为 0，这里函数的导函数形式肯定得求
2. 神经网络里面激活函数会用到，其实还是求导数为 0 的情况，只不过是复合函数形式
   e.g.$$f(x)=log(1+x^2+e^{2x})$$