标签：泰勒 函数 经历 试管婴儿 当妈 向量 梯度 展开 原函数
中国试管婴儿当妈经历█微/信 同号█:138★0226★9370█ ████中国试管婴儿当妈█代孕包成功█ ★█代孕包男孩█ ★█
大白话5分钟带你走进人工智能-第十二节梯度下降之背后的原理之泰勒公式(7)
我们接下来给大家深化一下，梯度下降背后到底是什么原理？谈到这个，我们要谈到一个叫泰勒展开的这么一个数学定理，泰勒发现任何一个函数不用管它有多复杂，不管它什么样，千奇百怪的任何一个函数，都可以写成关于N阶导数的一个多项式。即
解释下，在A点附近，比如说A为1，那么在1附近，那么f(x)=f(1),你有个解析式，f(1)总能算出来，把1丢进去算出来，那么泰勒展开即：
是二阶导数，什么叫二阶导数？导函数再求一下导。这么一直这么往下加，加到余项为零的时候就加完了。假如余项始终不为零，它就一直无限这么加下去，加的项越多，这个函数越像原始的函数。
泰勒公式实际上用多项式函数去逼近一个光滑函数，什么叫逼近？因为它是把一个原始的函数拆成好多项了，那么拆项越多，这个加出来的结果就越像原函数。那好好的一个普通的函数，你为什么非得要给它拆成好多项呢？ 一个X2+1，就两项很简单的，你为什么要给它变成N项？实际上不是所有的函数都是能这么写，比如sin X，在计算机里，实际上计算sin X背后的本质是它他先进行完了泰勒展开，展开成200 多项，然后把这200多项算出来，得到sin X到底是多少。这个是交给计算机计算的这么一种方式。再比如，此时我令a=0，就相当于在零点附近给它展开。如果按照刚才展开式来讲的话，零阶展开就是n等于0，
，X轴是x=1,你发现0阶展开，如果把余项抛弃了的话，就是一条直线，这条直线像原函数吗？看起来不像。但在x=0这一点上的这条直线跟这个原函数很像。假如阶数增高的话，如图：
可以看到，随着阶数的升高，甚至仅仅到达十阶展开的时候，在我们肉眼可及的地方，它跟原函数已经非常接近了。零阶展开，如果就光说零附近的话，即使是零阶展开，在极小的区域里它也是比较像的，对吧？随着阶数越来越多，是不是离零越远的地方也越跟原函数很像了？这就是泰勒展开的本质。它实际上就是通过在某一点附近用一个多项式去逼近原来的原函数，你可以理解为它是一个原函数的近似取值。
回到我们梯度下降来说，我们梯度下降其实就是对原函数展开一个一阶泰勒近似。 假如对泰勒展开式在x0进行一阶泰勒展开，只得到两项。第一项就是f(x0),第二项就是（x-x0）f`(x0)。这个式子里谁是未知数？谁是已知数？可以发现只有x是未知数，剩下这些数虽然写的是字母，但实际上你带到真实的场景里，就能算出来是具体的数。假如此时的f是损失函数的话，在x0的值是可求的，x0点的导数也可求。这x0自然也是知道的，所以它的一阶泰勒的近似公式就是已经知道的了。
我们看梯度下降是怎么来的？ 回到函数最优化问题上，如果我初始出来一组W0了，你想让W0加上λd这个东西之后带回到损失函数里，希望损失函数越小越好。也就是我们想要找到一个 λd 使上一代的 w+λd后 损失函数下降得最多，即 min 标签：泰勒,函数,经历,试管婴儿,当妈,向量,梯度,展开,原函数
来源： https://www.cnblogs.com/zhongguo01/p/10722525.html
本站声明：
1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。