这是《机器学习中的数学基础》系列的第16篇,也是微积分的最后一篇。
在实际生活和工作中,我们经常希望用多项式来近似某点处的函数值,而泰勒级数就是干这个的。不过在正式介绍泰勒级数之前,我们先来看看高阶导数与函数的凹凸性。
- 高阶导数与函数的凹凸性
那么什么是高阶导数?顾名思义,高阶导就是求了很多次导数。举个例子,函数y=x³的图像如下:
如图1所示,y的一阶导,也就是第一次求导,y'=3x²,表示图像的斜率。那如果我们对y'再进行求导呢?可以得到y''=6x,它的几何意义又是什么呢?一阶导我们表示的是函数值的变化率,那么二阶导就表示斜率的变化率。进一步,我们说,如果二阶导大于0,说明斜率是在一直增加的,此时函数是个凸函数;同理,二阶导小于0,斜率在一直减小,函数为凹函数。
既然说到了凹凸函数,我们就来看看它的定义(机器学习领域,可能与数学领域有所不同):
如果一个函数f是凸函数,那么其满足:f(tx+(1-t)y)≤tf(x)+(1-