版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/daaikuaichuan/article/details/80620518
一、矩阵求导
一般来讲,我们约定x=(x1,x2,...xN)Tx=(x1,x2,...xN)T,这是分母布局。常见的矩阵求导方式有:向量对向量求导,标量对向量求导,向量对标量求导。
1、向量对向量求导
Numerator layout : 分子布局
Denominator layout : 分母布局
《多元统计分析》课堂,按照分子布局来讲。
2、标量对向量求导
3、向量对标量求导
其他的可以参考wiki:维基百科矩阵求导公式
二、几种重要的矩阵
1、梯度(Gradient)
2、雅克比矩阵(Jacobian matrix)
3、海森矩阵(Hessian matrix)
三、常用的矩阵求导公式
参考:
https://blog.csdn.net/xtydtc/article/details/51133903
https://blog.csdn.net/yc461515457/article/details/49682473
————————————————
版权声明:本文为CSDN博主「lx青萍之末」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/daaikuaichuan/article/details/80620518