今日大綱
微積分 (Calculus)是由微分 (Differentiation)與積分 (Integration)所組成的,而這兩個互為逆運算。
微分所計算的是函數上某個點的斜率 (Slope)或梯度 (Gradient),及變化的速度,而二次為分為加速度。
假設一條線其公式為y=2x+5,其斜率為2,代表每增加x一單位,y將會上升2單位,5則為截距 (intercept)。
在機器學習與深度學習的方法中常使用偏微分,計算每個特徵的梯度,進一步計算最佳的權重。梯度與斜率的概念相似,差別在斜率為單一變數的變化量,梯度為多個變數的斜率。
梯度下降法 (Gradient Descent)就是利用偏微分,計算每個變數的梯度,讓函數沿著特定的方向前進,找出最佳解。
積分計算的是長度、面積或是體積,它也可以計算累積機率密度函數 (Probability density function, PDF)。
積分常見的數學表示式如下:
以下為簡單的例子
感謝您的瀏覽