【笔记】机器学习用到的“高等数学”知识简单回顾
极限的基本概念:
导数(标量):
常见函数的导数:
Taylor公式:
方向导数:
梯度(向量):
机器学习就是希望把非凸函数转化为凸函数,再利用梯度下降法,求的损失最小得分函数的权重。
凸函数的定义:
注意:二阶导数为0的点不一定是全局最小点。因为,实践中,如果来求解二阶导数等于0的函数的值,实际上不是很好解的。所以,还是要用梯度下降法来计算。
如何判断一个函数是凸函数:
1)如果函数二阶可导,二阶导数大于0,那么就是凸函数。
2) 如果二阶不可导,那么就要用凸函数的定义来判断。
琴生(Jensen)不等式(也称为詹森不等式),使用时注意前提、等号成立条件:
凸函数的表述: