机器学习:深入理解矩阵和向量的求导——第二部分:矩阵与单变量求导
2.1 矩阵对单变量求导
矩阵对单变量的求导与向量求导类似,就是每个元素分别对变量求导。
设 Y = [ y 11 . . . y 1 n . . . . . . . . . y m 1 . . . y m n ] Y= \begin{bmatrix} y_{11} & ... & y_{1n} \\ ... & ... & ... \\ y_{m1} & ... & y_{mn} \end{bmatrix} Y=⎣⎡y11...ym1.........y1n...ymn⎦⎤,则 ∂ Y ∂ x = [ ∂ y 11 ∂ x . . . ∂ y 1 n ∂ x . . . . . . . . . ∂ y m 1 ∂ x . . . ∂ y m n ∂ x ] \frac{\partial Y}{\partial x} = \begin{bmatrix} \frac{\partial y_{11}}{\partial x} & ... & \frac{\partial y_{1n}}{\partial x} \\ ... & ... & ... \\ \frac{\partial y_{m1}}{\partial x} & ... & \frac{\partial y_{mn}}{\partial x} \end{bmatrix} ∂x∂Y=⎣⎡∂x∂y11...∂x∂ym1.........∂x∂y1n...∂x∂ymn⎦⎤
2.2 单变量对矩阵求导
设 X = [ x 11 . . . x 1 n . . . . . . . . . x m 1 . . . x m n ] X= \begin{bmatrix} x_{11} & ... & x_{1n} \\ ... & ... & ... \\ x_{m1} & ... & x_{mn} \end{bmatrix}
下一篇: 轻松掌握向量对向量的导数计算方法