【文件属性】：
文件名称：多变量微积分梯度下降数据科学介绍000
文件大小：556KB
文件格式：ZIP
更新时间：2021-03-01 17:44:47
JupyterNotebook
3D渐变下降
学习目标
了解同时更改y截距和斜率变量时梯度下降的工作原理
了解偏导数的含义
了解取偏导数的规则
介绍
在上一节中，我们讨论了如何考虑沿3-d成本曲线移动。
我们知道，沿着上面的3-d成本曲线移动，意味着更改回归线的$ m $和$ b $变量，如下所示。 我们这样做的目的是使我们的生产线更好地匹配我们的数据。
回顾二维的梯度下降
在本课程中，我们将学习三个维度的梯度下降，但让我们首先记住当仅更改回归线的一个变量时它如何在两个维度上起作用。
在二维中，当仅更改一个变量$ m $或$ b $时，梯度下降意味着沿成本曲线前进或后退，并采用特定的步长。 为了确定是向前还是向后移动以及步长大小，我们假设站在此二维曲线（如下所示）上并感觉成本曲线的斜率来告诉我们如何移动。 朝一个方向迈进意味着我们的回归变量之一发生了变化。
因此，这是二维的下降。 什么是三维三维下降？
3维梯度下降
【文件预览】：
multivariable-calculus-gradient-descent-data-science-intro-000-master
----plt-3d-yx2.png(45KB)
----gradientdescent.png(112KB)
----3d-plot.py(1KB)
----regression-scatter.png(29KB)
----traveller-stepping.jpg(12KB)
----CONTRIBUTING.md(2KB)
----graph.py(4KB)
----parabolayx2.png(56KB)
----x3y.png(48KB)
----index.ipynb(14KB)
----parabola.png(21KB)
----partial-derivatives-3d.png(62KB)
----LICENSE.md(1KB)
----.gitignore(41B)
----.learn(87B)
----cost-curve.png(25KB)
----gradient.py(2KB)
----README.md(11KB)
----partial-derivatives-dy-new.png(56KB)
----partial-derivatives-dy.png(52KB)
----tangent-liner.png(31KB)
----tangent-lines.png(33KB)