偏導數的定義
前面已經說明,二元函數z=f(x,y)的圖形一般是一張曲面,它在點(x0,y0)處對x的偏導數相當於一元函數z=f(x,y0)在點x0處的導數,在幾何上,函數z=f(x,y0)的圖形可看成在平面y=y0上的曲線,即曲面z=f(x,y)和平面y=y0的交線。因此,根據一元函數導數的幾何意義可知,偏導數fx(x0,y0)表示曲線 在點M(x0,y0,(x0,y0))處的切線關於x軸的斜率
同樣,偏導數fx(x0,y0)表示曲線在點M0(x0,y0,(x0,y0))處的切線關於y軸的斜率
*方向導數的定義
*梯度的定義
所以沿梯度方向,方向導數的值最大,即變化最快,所以在優化目標函數的時候,自然是沿着負梯度方向去減小函數值,以此達到我們的優化目標。
如何沿着負梯度方向減小函數值呢?既然梯度是偏導數的集合,那麼我們在每個變量軸上減小對應變量值即可。
梯度下降法可以描述如下: