文件名称：衍生链规则数据科学介绍000
文件大小：86KB
文件格式：ZIP
更新时间：2024-03-21 14:16:05
JupyterNotebook
连锁规则 介绍 到目前为止，我们已经看到，函数的导数是该函数的瞬时变化率。 换句话说，当我们更改变量之一时，函数的输出如何变化。 在本课程中，我们将学习链式规则，该规则使我们能够看到函数的输出在更改函数不直接依赖的变量时如何变化。 连锁规则可能看起来很复杂，但这仅是遵循规定程序的问题。 学习链式规则将使我们能够采用机器学习中会遇到的更复杂的函数。 连锁规则 好的，现在让我们谈谈连锁规则。 想象一下，我们想采用以下函数的派生形式： $ f（x）=（0.5x + 3）^ 2 $$ 马上做这样的事情可能非常棘手。 对我们来说幸运的是，我们可以使用链式规则。 链规则本质上是一种技巧，可以在我们的函数变得复杂时应用。 第一步是使用功能组合来分解我们的功能。 好的，让我们一起做。 $$ g（x）= 0.5x + 3 $$ $$ f（x）=（g（x））^ 2 $$ 让我们在使用时将这两个函数转换
【文件预览】：
derivative-chain-rule-data-science-intro-000-master
----derivative-x2.png(32KB)
----derivative-3x.png(28KB)
----calculus.py(4KB)
----CONTRIBUTING.md(2KB)
----graph.py(2KB)
----index.ipynb(12KB)
----LICENSE.md(1KB)
----.gitignore(41B)
----.learn(87B)
----README.md(7KB)
----tangent-lines.png(33KB)