梯度反方向是函数值局部下降最快的方向

很多机器学习的训练算法都是利用梯度下降，朝着梯度的反方向变动，函数值下降最快。

导数

导数可以表示函数曲线上的切线斜率。 除了切线的斜率，导数还表示函数在该点的变化率。

导数代表了在自变量变化趋于无穷小的时候，函数值的变化与自变量变化的比值代表了导数，几何意义有该点的切线。物理意义有该时刻的（瞬时）变化率。

在一元函数中，只有一个自变量变动，也就是说只存在一个方向的变化率，这也就是为什么一元函数没有偏导数的原因。

偏导数

偏导数至少涉及到两个自变量，以两个自变量为例，z=f(x,y) . 从导数到偏导数，也就是从曲线来到了曲面. 曲线上的一点，其切线只有一条。但是曲面的一点，切线有无数条。

偏导数是指的是多元函数沿坐标轴的变化率。

指的是函数在y方向不变，函数值沿着x轴方向的变化率

指的是函数在x方向不变，函数值沿着y轴方向的变化率

• 偏导数就是曲面被平面所截得的曲面在点处的切线对x轴的斜率
• 偏导数就是曲面被平面所截得的曲面在点处的切线对y轴的斜率

偏导数指的是多元函数沿坐标轴的变化率，但是我们往往很多时候要考虑多元函数沿任意方向的变化率，那么就引出了方向导数.

方向导数

设为一个二元函数，为一个单位向量，如果下列的极限值存在

此方向导数记为

则称这个极限值是沿着方向的方向导数，那么随着的不同，我们可以求出任意方向的方向导数.

简化计算如下：

设,

那么我们可以得到：

(为向量与向量之间的夹角)

那么此时如果要取得最大值，也就是当为0度的时候，也就是向量（这个方向是一直在变，在寻找一个函数变化最快的方向）与向量（这个方向当点固定下来的时候，它就是固定的）平行的时候，方向导数最大.方向导数最大，也就是单位步伐，函数值朝这个反向变化最快.

函数值下降最快的方向就是和向量相同的方向.那么此时我把A向量命名为梯度（当一个点确定后，梯度方向是确定的），也就是说明了为什么梯度方向是函数变化率最大的方向了！！！

参考：

[1] https://zhuanlan.zhihu.com/p/24913912