【机器学习微积分】09 多元函数的极值（中）：最速下降法

目录

1.SymPy库的介绍

1.1.符号导入

1.2.自定义符号

1.3.任意阶数的泰勒展开

1.4.自定义符号替换

1.5.求导与微分

1.6.解方程

1.7.表达式求值

2.最速下降法的核心思想

3.算法步骤

4.代码演示

5.迭代路径的特性分析

---

我们这一讲将要介绍的最速下降法，是梯度法的一种改进实现。

1.SymPy库的介绍

在具体进行算法介绍之前，我们先花一点时间来专门谈谈 p y t h o n python python的 S y m P y SymPy SymPy库， S y m P y SymPy SymPy库是 P y t h o n Python Python的数学符号计算库，用它可以进行数学表达式的符号推导和计算，可以很方便的进行公式推导、级数展开、积分、微分以及解方程等重要运算。

可能大家对于符号计算这个名字感觉有些陌生和奇怪，我们下面结合例子来慢慢熟悉他：

1.1.符号导入

我们举一个最典型的例子：欧拉公式。

e i π + 1 = 0 e^{i\pi}+1=0 eiπ+1=0，这里面有自然对数 e e e，虚数 i i i，圆周率 π \pi π等数学符号，如果我们想用p y t h o n python python来描述这个等式，运用之前的知识也可以办到，只不过相对而言比较麻烦，这里如果使用S y m P y SymPy SymPy库