偏导数的定义
前面已经说明,二元函数z=f(x,y)的图形一般是一张曲面,它在点(x0,y0)处对x的偏导数相当于一元函数z=f(x,y0)在点x0处的导数,在几何上,函数z=f(x,y0)的图形可看成在平面y=y0上的曲线,即曲面z=f(x,y)和平面y=y0的交线。因此,根据一元函数导数的几何意义可知,偏导数fx(x0,y0)表示曲线 在点M(x0,y0,(x0,y0))处的切线关于x轴的斜率
同样,偏导数fx(x0,y0)表示曲线在点M0(x0,y0,(x0,y0))处的切线关于y轴的斜率
*方向导数的定义
*梯度的定义
所以沿梯度方向,方向导数的值最大,即变化最快,所以在优化目标函数的时候,自然是沿着负梯度方向去减小函数值,以此达到我们的优化目标。
如何沿着负梯度方向减小函数值呢?既然梯度是偏导数的集合,那么我们在每个变量轴上减小对应变量值即可。
梯度下降法可以描述如下: