机器学习中的数学笔记(一)：微分学与梯度下降法

机器学习中的数学笔记：微分学与梯度下降法 1.简介:数学在机器学习中的应用 2.微分学基本思想和方法 2.1 微分学的核心思想:函数逼近 2.2 微积分的基础语言:极限论 2.2.1 极限的表述方式 2.2.2无穷小 2.2.3两边夹定理 2.2.4 重要极限 2.3 微分学的基本手法:求导数 2.4 从线性逼近到多项式逼近:泰勒级数 2.5 从低维到高维:多元函数的梯度 3.梯度下降法和牛顿法

>>阅读原文<<