中国试管婴儿当妈经历
作者：互联网
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