在矩阵向量求导前4篇文章中，我们主要讨论了标量对向量矩阵的求导，以及向量对向量的求导。本文我们就讨论下之前没有涉及到的矩阵对矩阵的求导，还有矩阵对向量，向量对矩阵求导这几种形式的求导方法。 　　　　本文所有求导布局以分母布局为准，为了适配矩阵对矩阵的求导，本文向量对向量的求导也以分母布局 ...

　　　　在机器学习中的矩阵向量求导(一) 求导定义与求导布局中，我们讨论了向量矩阵求导的9种定义与求导布局的概念。今天我们就讨论下其中的标量对向量求导，标量对矩阵求导, 以及向量对向量求导这三种场景的基本求解思路。 　　　　对于本文中的标量对向量或矩阵求导这两种情况，如前文所说，以分母布局为默认 ...

　　　　在机器学习中的矩阵向量求导(三) 矩阵向量求导之微分法中，我们讨论了使用微分法来求解矩阵向量求导的方法。但是很多时候，求导的自变量和因变量直接有复杂的多层链式求导的关系，此时微分法使用起来也有些麻烦。需要一些简洁的方法。 　　　　本文我们讨论矩阵向量求导链式法则，使用该法则很多时 ...

网上有一些向量求导的总结，把20多种情况一一考虑，很是麻烦，本文希望找出向量求导的基本法则。 向量求导与标量求导法则不同的是，向量的求导还要注意结果的排法问题。注意排法是因为当一个目标函数是多个成分相加时，如果不注意排法可能导致有些结果是行，有些是列，无法继续进行运算。我总结的向量求导的基本推导 ...

矩阵微分 http://www.iwenchao.com/mathematics/matrix-differential.html http://en.wikipedia.org/wiki ...

在标量、向量和矩阵的求导过程中一定要知道最后结果的形状。 这里总结几个常见的求导形式： 前言： 最基础最重要的，标量对向量求导和向量对标量求导，有两种方式，分子布局和分母布局，不同的方式都是对的，只是结果缺一个转置 1、矩阵乘以列向量，对列向量求导，形如 $\boldsymbol{z ...

0. 标量、向量、矩阵互相求导的形状 标量、向量和矩阵的求导（形状） 标量x (1,) 向量x (n,1) 矩阵X (n,k) 标量y (1,) $\frac{\partial y ...