最近学到线性回归中要用到向量,矩阵求导,所以就搜集了下资料,总结如下:
矩阵求导有两种布局:
分子布局(numerator layout)
分母布局(denominator layout)
下面用向量y对标量x求导简单说明这两种布局的区别。
我们假定所有的向量都是列向量。
在分子布局下:
在分母布局下:
在下面的推到中,都将采用分母布局,也就是向量(列)对标量求导的结果都是行向量。(采用这种布局的主要原因是向量对向量的求导就是一个矩阵了)
求导的类别
求导大致分为5类:
- 向量对标量
- 标量对向量
- 向量对向量
- 矩阵对向量
- 向量对矩阵
矩阵求导的大致规则如下:
对标量求导结果都要转置,而标量对向量或者矩阵求导的话位置不变。
向量对标量:
(采用的是分母布局,也就是转置了)
标量对向量:
(此时X是向量,y是标量,标量对向量的求导没有转置)
向量对向量求导:
矩阵对标量求导:
可以看出转置了。。
标量对矩阵求导:
简单的例子
例1.
其中, y∈R,a∈Rn×1,x∈Rn×1
属于标量对向量求导,所以有:
其中a是列向量,没有转置
例2.
y∈Rm×1,A∈Rm×n,x∈Rn×1
属于向量对向量求导,所以有:
例3.
其中, y∈Rm×1,A∈Rm×n,u∈Rn×1,x∈Rp×1
属于向量对向量的求导,所以有:
如果:
其中: y∈Rm×1,a∈R,u∈Rm×1,x∈Rn×1
属于向量对向量的求导,所以有:
假如已知:
其中: B∈R1×n,C∈Rm×n
那么,
例子4:
那么,
其中, x∈Rm×1,y∈Rn×1,A∈Rm×n,f∈R
上面的式子,当y(x)=x时,也就是m=n时。
例子5:
则
参考:
常用公式:
dUVTdX=(dUdX)VT+U(dVTdX)
dUTVdX=(dUTdX)V+(dVTdX)UT
dXTdx=IdXdxT=I
d(AX)Tdx=ATdAxdxT=A
dxTAdx=A
∂uTv∂x=∂uT∂xv+∂vT∂xuT
∂uvT∂x=∂u∂xvT+u∂vT∂x
dxTxdx=2x
dxTAxdx=(A+AT)x
∂AB∂x=∂A∂xB+A∂B∂x
∂uTXv∂X=uvT
∂uTXTXu∂X=2XuvT
∂[(Xu−v)T(Xu−v)]∂X=2(Xu−v)uT
维基百科:
Result of differentiating various kinds of aggregates with other kinds of aggregates
Identities: vector-by-vector
∂y∂x
Identities: scalar-by-vector ∂y∂x=∇xy
Identities: vector-by-scalar ∂y∂x
详细参考:
维基百科矩阵求导
因为是第一次用公式编辑器,所以总结下基本使用方法:
MathJax是一个JavaScript引擎,用来显示网络上的数学公式, MathJax有两种插入公式的方式:
一种是行中公式,另外一种是独立公式,行中公式可以插入到一行文字中,独立公式是单独成行,行中公式插入方式是:$…$
,独立公式插入方式是:$$…$$
,省略号代表插入的公式部分。
常用符号
分组(最常用)
分组是用{}把一个部分括起来,看成一个整体空格
MathJax中不能直接输入空格,可以用 , \; \quad和\qquad充当空格,增加的间隔依次增大运算符号
运算符 | 表示 |
---|---|
+ | + |
− | - |
× | \times |
÷ | \div |
± | \pm |
∓ | \mp |
^(指数运算符) | ^ |
- 关系比较符号
运算符 | 表示 |
---|---|
< | \lt |
> | \gt |
≤ | \le |
≥ | \ge |
≠ | \neq |
分式
有两种实现方式:
输入:
$\frac {a+c+1}{b+c+2}$
,输出: a+c+1b+c+2输入:{a+c+1} \over {b+c+2},输出: a+c+1b+c+2
根式
平方根 :
输入:\sqrt {a+b},输出: a+b−−−−√输入:\sqrt[5] {a+b},输出: a+b−−−−√5
特殊数学符号
1.求和:
输入:\sum {a+b},输出:
∑a+b
输入:\sum_{i=1}^{K},输出:
∑Ki=1
其中”_”是下标; “^”是上标
输入:$$\sum_{i=1}^{K}$$
,输出:
2.连乘:
输入:\prod {a+b},输出:
∏a+b
输入:\prod_{i=1}^{K},输出:
∏Ki=1
输入:$$\prod_{i=1}^{K}$$
,输出:
3.arg max/arg min/max/min
输入:
$$arg\,\max_{c_k}$$
,输出:argmaxck
输入:$$arg\,\min_{c_k}$$
,输出:argminck
输入:$$\mathop {argmin}_{c_k}$$
,输出:argminck
输入:$$\mathop {argmax}_{c_k}$$
,输出:argmaxck
输入:$$\max_{c_k}$$
,输出:maxck
输入:$$\min_{c_k}$$
,输出:minck
省略符号
连续点-省略号:
\ldots 偏下点 ; \cdots 中间点 ; \vdots 竖直点 ; \ddots 对角点
输入\cdots:输出:⋯
常用在这种情况:
输入$f(x_1,x_2,\cdots,x_n)$
:输出:
f(x1,x2,⋯,xn)
独立公式
对齐:
\begin{align}`用于开头,`\end{align}
用于结尾,对齐的位置用&
开始,用\\
结束
输入:
$$
\begin{align}
f(x) &=a+b+a\\
& = 2a+b
\end{align}
$$
输出:
条件函数
关键词是\begin{cases}`和`\end{cases}
,\test{}
括号里面输入内容
输入:
$$
L(Y,f(X)) =
\begin{cases}
0, & \text{Y = f(X)} \\
1, & \text{Y $\neq$ f(X)}
\end{cases}
$$
输出:
下面在看一个例子:
$$
J(\theta) = \frac 1 2 \sum_{i=1}^m (h_\theta(x^{(i)})-y^{(i)})^2
$$
输出:
这个公式是线性回归算法里的成本函数
这里:
以上是一些基本用法,遇到其他的再追加。。。。