（四）从零开始学人工智能—数学基础:导数
导数
导数(Derivative)的几何意义可能很多人都比较熟悉：当函数定义域和取值都在实数域中的时候，导数可以表示函数曲线上的切线斜率。除了切线的斜率，导数还可以表示该点的变化率。可以表示为
$$f^\prime(x_0)=\lim_{\Delta x \to 0}{\frac{\Delta y}{\Delta x}}=\lim_{\Delta x \to 0}{\frac{f(x_0+\Delta x)-f(x_0)}{\Delta x}} \tag{1}$$
将上面的公式表示为图像如图
简单点说，导数代表了在自变量变化趋于无穷小的时候，函数的变化与自变量变化的比值就是导数，其几何意义是该点的切线，物理意义有该时刻的瞬时变化率。
例如：在物理学中有平均速度和瞬时速度之说。
平均速度为
\]
其中\(v\)表示平均速度，\(s\)表示路程，\(t\)表示时间。这个公式可以改写为
\]
其中\(\Delta s\)表示两点之间的距离，而\(\Delta t\)表示走过这段距离需要花费的时间。当\(\Delta t\)趋向于0（\(\Delta t \to 0\)）时，也就是时间变得很短时，平均速度也就变成了在\(t_0\)时刻的瞬时速度，表示成如下形式：
\]
实际上，上式表示的是路程\(s\)关于时间\(t\)的函数在\(t=t_0\)处的导数。一般的，这样定义导数：如果平均变化率的极限存在，即有
\]
则称此极限为函数 \(y=f(x)\) 在点 \(x_0\) 处的导数。记作 \(f\'(x_0)\) 或 \(y\’\vert_{x=x_0}\) 或 \(\frac{dy}{dx}\vert_{x=x_0}\) 或 \(\frac{df(x)}{dx}\vert_{x=x_0}\)。
通俗地说，导数就是曲线在某一点切线的斜率。
拓展与思考
微分、导数、积分，这三者之间，有什么联系？
2.3.2 偏导数
既然谈到偏导数(Partial derivative)，那就至少涉及到两个自变量。以两个自变量为例，\(z=f(x,y)\)，从导数到偏导数，也就是从曲线来到了曲面。曲线上的一点，其切线只有一条。但是曲面上的一点，切线有无数条。**而偏导数就是指多元函数沿着坐标轴的变化率。 **
注意：直观地说，偏导数也就是函数在某一点上沿坐标轴正方向的的变化率。
设函数\(z=f(x,y)\)在点\((x_0,y_0)\)的领域内有定义，当\(y=y_0\)时，\(z\)可以看作关于\(x\)的一元函数\(f(x,y_0)\)，若该一元函数在\(x=x_0\)处可导，即有
\]
函数的极限\(A\)存在。那么称\(A\)为函数\(z=f(x,y)\)在点\((x_0,y_0)\)处关于自变量\(x\)的偏导数，记作\(f_x(x_0,y_0)\)或\(\frac{\partial z}{\partial x}\vert_{y=y_0}^{x=x_0}\)或\(\frac{\partial f}{\partial x}\vert_{y=y_0}^{x=x_0}\)或\(z_x\vert_{y=y_0}^{x=x_0}\)。
偏导数在求解时可以将另外一个变量看做常数，利用普通的求导方式求解，比如\(z=3x^2+xy\)关于\(x\)的偏导数就为\(z_x=6x+y\)，这个时候\(y\)相当于\(x\)的系数。
如下图的动态演示，某点\((x_0,y_0)\)处的偏导数的几何意义为曲面\(z=f(x,y)\)与面\(x=x_0\)或面\(y=y_0\)交线在\(y=y_0\)或\(x=x_0\)处切线的斜率。
注：图片引用自公众号“遇见数学”
导数和偏导数有什么区别？
导数和偏导没有本质区别，如果极限存在，都是当自变量的变化量趋于0时，函数值的变化量与自变量变化量比值的极限。
- 一元函数，一个\(y\)对应一个\(x\)，导数只有一个。
- 二元函数，一个\(z\)对应一个\(x\)和一个\(y\)，有两个导数：一个是\(z\)对\(x\)的导数，一个是\(z\)对\(y\)的导数，称之为偏导。
- 求偏导时要注意，对一个变量求导，则视另一个变量为常数，只对改变量求导，从而将偏导的求解转化成了一元函数的求导。
2.3.3 方向导数、梯度
偏导只是多元函数沿着坐标轴的变化率，当我们扩展到曲面，如下图，能否沿着任意方向的变化率呢？
在上图曲面中，可以作无数条过\(A\)点的曲线（图中画出了3条示例），每一根曲线都可以作一条切线，也即是可以得到任意方向的变化率。这就是方向导数(Directional Derivative)，进一步地，对于其中方向导数取最大值的方向就是梯度(Grad)，也就是函数变化率最大的方向。如下图，观察底部的箭头指向（仅表示方向），其中蓝色表示方向导数，黑色表示梯度，梯度方向始终指向函数值上升最大的方向。
注：图片引用自公众号“遇见数学”
梯度在机器学习/深度学习中具有极其重要的地位，这儿多说一点，举个栗子：
假如你在一座山上，蒙着眼睛，但是你必须以最快的速度到达山谷中最低点的湖泊，你该怎么办？
只需要通过手感受附近梯度的最大的方向，然后一直沿着梯度相反的方向就可以以最快的速度到达谷底：
细节可参考：Introduction to Gradient Descent Algorithm (along with variants) in Machine Learning
这就是大名鼎鼎的梯度下降算法。
2.3.4 神经网络训练机制—反向传播算法
神经网络的训练过程就是对我们代价函数进行优化的过程，这个优化的参数更新过程需要梯度下降算法，且在更新参数权重的时候需要我们的误差回传，这就是我们反向传播算法。
这部分是一个例子，通俗介绍神经网络的训练机制，也就是梯度下降算法及反向传播算法的应用。例子中省略了公式推导细节，感兴趣的可参看本节末的扩展阅读加深理解。
为了说明这个过程，引入一个简单的神经网络，如下图，是一个包含两个输入和一个输出的三层神经网络：
图中每个神经元由两个部分组成：第一部分为权重系数和输入信号的乘积和，第二部分为神经元的非线性激活功能。如下图，信号\(e\)是加法器的输出信息，\(y=f(e)\)是非线性单元的输出信号，而\(y\)是神经元的输出信号。
为了训练网络，我们需要训练数据，由输入信号x\(_1\)和x\(_2\)及对应的期望输出z组成。网络训练是一个迭代过程，在每次迭代中（前向传播过程）：从输入开始，计算每个神经元的输出信号。如下图，\(W_{(xm)n}\)表示输入信号\(x_m\)到神经元\(n\)的连接权重，\(y_n\)表示神经元\(n\)的输出信号。
神经元1
神经元2
神经元3
通过中间的隐藏层传播过程中，\(W_{mn}\)表示从神经元\(m\)输出到输入下一层神经元\(n\)之间的连接权重。
隐藏层神经元4
隐藏层神经元5
输出层神经元6
以上为我们的前向传播过程(forward-propagation)。
接下来，将网络的输出\(y\)与训练集中的期望输出\(z\)进行比较，得到输出神经元的误差\(\delta\)。
虽然我们计算了输出层神经元的误差，但是，我们不可能直接计算内部神经元的误差，因为内部神经元的期望输出是未知的。为了计算内部神经元的误差，上世纪80年代提出了反向传播算法，大概思路是将误差\(\delta\)反向传回所有神经元。
反向计算各神经元误差过程中，权重系数\(W{mn}\)与前项传播过程相同，一直回传至输入。
计算完每个神经元的误差之后，更新神经元间连接权重，这使用到了梯度下降发更新权重。
其中，\(\eta\)是学习率，影响学习速度。
如此往复一次次迭代，更新网络权重，就是网络训练过程。
扩展阅读
思考：如何成为武林高手？
以上就是本文的所有内容，最后讨论一个问题：如何成为武林高手？
借用台大教授李宏毅老师的话，武林高手讲究内外兼修。
Deep Learning 也需要內外兼修
-
内力：运算资源
-
招数：各种技巧
内力充沛，平常的招式也有可能发挥巨大威力，不需要太花哨的招式
只有内力，没有招数，也是不行的（空有一身蛮力）
最后，希望大家都可以成为内外兼修的高手~
声明
本博客所有内容仅供学习，不为商用，如有侵权，请联系博主谢谢！
参考文献
[1] 同济大学数学系.高等数学（第七版）[M]，高等教育出版社，2014.
[2] 反向传播算法
[3] Jim Liang， Getting Started with Machine Learning，2018
[4] 周志华.机器学习[M].清华大学出版社，2016.
[5] Ian，Goodfellow，Yoshua，Bengio，Aaron…深度学习[M]，人民邮电出版，2017