【机器学习数学基础之矩阵02】矩阵求导

本文介绍了多元函数的导数概念,包括梯度向量和Hessian矩阵,并阐述了最速下降法在多元函数中的应用,即沿着梯度向量负方向寻找最速下降路径。同时,探讨了多元函数极值的判断,通过泰勒展开和Hessian矩阵的正定性来确定函数的极大值或极小值。
摘要由CSDN通过智能技术生成

多元函数导数

    对于n维函数 ,y本身没有导数,但其对于每一个分量都有偏导,于是有如下定义:

        梯度向量,其性质类似与一元函数的一阶导。

        Hessian矩阵:

            *值得注意的是,因为偏导顺序不影响结果,所以Hessian矩阵是一个实对称矩阵。

最速下降法

    最初看这个内容的时候迷迷糊糊的,但实际上很简单的一个东西。最速下降法在一元函数中是指沿着切线方向下降。

   

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值