本文是對網上學習資料的整理與記錄（主要來自CSDN，鏈接附在最后的參考資料部分），方便自己日后的復習鞏固，也分享熱愛知識的網友們。 對於機器學習中最重要的數學概念之一梯度的解讀，主要從《高等數學》和《微積分》中的定義與理解進行剖析，並增加了另一個角度泰勒級數，來解析為什么函數上的一點沿着梯度 ...

目錄 前言 命題邏輯 持續更新ing 前言 自己整理的關於離散數學的思維導圖，可能不全面、有欠缺。 命題邏輯 持續更新ing ...

這些內容都學過，也基本懂，當做復習，留個紀念 圖像由於是離散數字信號，所以偏導數的計算，采用離散化方法計算，有兩種計算方法，具體公式如下： 第一種方法： ...

（1）函數在某點可導的定義 大白話解釋函數在某點可導：就是有一個以X0為中點，距離X0長度為R的區間內，任取一點X1,X1-X0=X的增量，X的增量可正可負。當增量y/增量X極限存在時，這個函數在X0點可導。 所以你可以想一下，對於函數在某一段內處處可導，那么必然這段線段是光滑 ...

大一菜雞和室友討論的時候偶然想到的問題，解答很不嚴謹，請輕噴。（這並不是證明，但可以從邏輯上說明“不一定”這一結果成立） 我們從“可導函數”入手。我們籠統地說一個函數可導，指的是它在定義域上可導，即函數對於定義域上的每一點都存在導數，而導數定義的形式之一是 注意到，它關注的是x ...

梯度下降法又稱最速下降法，是求解無約束最優化問題的一種最常用的方法，在對損失函數最小化時經常使用。梯度下降法是一種迭代算法。選取適當的初值x(0)，不斷迭代，更新x的值，進行目標函數的極小化，直到收斂。由於負梯度方向時使函數值下降最快的方向，在迭代的每一步，以負梯度方向更新x的值，從而達到減少函數 ...

前言 一直在尋找的一個軟件，終於發現了，而且是免費的，感謝軟件作者的創意和工作。有電腦版還有微信版，太好用了。 電腦版網址：https://zhimap.com 模塊導圖 三角函數+解三角形思維導圖； 函數和初等函數； 求數列的通項公式\(\{a_n ...

對於泰勒公式，我學習這部分的時候有很多困惑，知識點很多，而且泰勒的思維真的棒 我自己的理解： 為了提高精確度讓它很多的次冪一層一層的相加，讓Pn(x0)=f(x0)並讓每層的導數相同提高精確度 確定系數和余項如何推導的常用的麥克勞林公式等 我都用思維導圖畫出來了我的理解 ...