일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- n_sample
- python 갯수세기
- Scienceplots
- SMAPE
- 파이썬을파이썬답게
- iNT
- RMES
- 논문작성
- Overleaf
- TypeError
- 논문
- mMAPE
- 스택
- 코테
- Python
- n_neighbors
- Tire
- 평가지표
- PAPER
- 에러해결
- knn
- Pycaret
- Mae
- mes
- 논문editor
- KAKAO
- Alignments
- MAPE
- 프로그래머스
- 카카오
- Today
- Total
EunGyeongKim
미분, 편미분 본문
미분
미분 : 함수의 기울기를 도출하는 방법
함수 미분 방법
$$ f(w) = w^2 $$
함수 f(w)의 'w에 관한 미분' 표시 방법
$$ \frac{df(w)}{dw}, \frac{d}{dw}f(w), f'(w) $$
미분은 함수의 기울기를 나타냄. 함수의 기울기도 w가 바뀌면 변화하기 때문에 w의 함수로 되어있음. 상기 2차함수의 경우 다음 식과 같음
$$\frac{d}{dw}w^2 = 2w$$
일반적으로 w^2형식의 함수는 아래 공식을 사용하여 쉽게 미분을 구할 수 있음.
$$ \frac{d}{dw}w^n = nw^{n-1} $$
미분기호 d/dw는 오른쪽에만 작용됨.
중첩된 함수의 미분
중첩함수의 예
$$f(w) = g(w)^2$$
$$g(w) = aw+b $$
아래식을 위식에 대입하고 그 식을 전개하면 미분을 계산할 수 있음.
$$f(w) = (aw+b)^2 = a^2w^2 + 2abw + b^2$$
$$\frac{d}{dw}f(w) = 2a^2w + 2ab$$
중첩된 함수의 미분 : 연쇄법칙
식이 복합하고 전개하기 힘들떄 연쇄법칙 이용
연쇄법칙의 공식은 다음과 같음
$$\frac{df}{dw} = \frac{df}{dg}\cdot \frac{dg}{dw}$$
df/dg부분은 'f를 g로 미분한다'의 의미
미분공식을 적용하면 다음과 같음
$$ \frac{df}{dg} = \frac{d}{dg}g^2 = 2g$$
후반의 dg/dw는 g를 w로 미분한다는 뜻으로 다음 공식과 같음.
$$ \frac{dg}{dw} = \frac{d}{dw}(aw+b) = a $$
그러므로 다음과 같은 결과를 얻을 수 있음.
$$\frac{df}{dw} = \frac{df}{dg}\cdot \frac{dg}{dw} = 2ga = 2(aw+b)a = 2a^2w+2ab$$
편미분
복수의 변수를 갖는 함수의 예로 w0과 w1의 함수를 생각함
$$ f(w_0, w_1) = w^2_0 + 2w_0w_1 + 3$$
이중 하나의 변수만 예를 들어 ㅈ0에만 주목하여 다른 변수 w1을 상수라고 간주하여 미분하는것을 편미분이라고 함.
'f를 w0로 편미분'을 수식으로 표현하면 다음 식과 같음
$$\frac{\partial f}{\partial w_0}, \frac{\partial}{\partial w_0}f, f'_{w_0}$$
계산 절차는 미분과 동일함.
$$ f(w_0, w_1) = w^2_0 + 2w_0w_1 + 3$$
위 식에서 미분공식을 적용하면 다음과 같은 내용을 얻음
$$\frac{\partial f}{\partial w_o} = 2w_0 + 2w_1$$
위 식의 경우에만 주목하여 다음과 같이 해석함.
$$ f(w_0, w_1) = 2w_0 \cdot w_1 + w^2_0 + 3$$
그러면 다음과 같은 식을 얻을 수 있음
$$ \frac{\partial f}{\partial w_1} = 2w_0 $$
'ML & DL > 딥러닝' 카테고리의 다른 글
지도학습 : 회귀(Regression)_1차원 데이터 선형모델 매개변수의 해석해 (2) (0) | 2023.02.22 |
---|---|
지도학습 : 회귀 (Regression)_1차원 데이터, 직선 (1) (0) | 2023.02.20 |
머신러닝에 필요한 수학과 numpy코드 (0) | 2023.02.20 |
그래프 그리기 (0) | 2023.02.20 |
[데이터 전처리] 정규화 (Normalization) (0) | 2022.08.11 |