機器學習中的數學筆記(一)：微分學與梯度下降法

機器學習中的數學筆記：微分學與梯度下降法 1.簡介:數學在機器學習中的應用 2.微分學基本思想和方法 2.1 微分學的核心思想:函數逼近 2.2 微積分的基礎語言:極限論 2.2.1 極限的表述方式 2.2.2無窮小 2.2.3兩邊夾定理 2.2.4 重要極限 2.3 微分學的基本手法:求導數 2.4 從線性逼近到多項式逼近:泰勒級數 2.5 從低維到高維:多元函數的梯度 3.梯度下降法和牛頓法

>>阅读原文<<