通向积分的桥梁

从第一性原理出发的单变量微积分

在前两课中,你把一个数字列表加起来,并询问这个累加总数会走向哪里。现在我们大胆迈一步:如果我们要加的是无限多个、无限薄的小片呢? 这个动作——把小片相加,然后取极限——就是积分的全部思想。

图像是这样的。你想求曲线下方的面积,但上边界是弯曲的,所以没有一个单一高度可以直接乘以宽度。于是你谨慎地“作弊”:用很薄的竖直矩形覆盖这个区域,每个矩形都窄到曲线在它上方几乎是平的。把它们的面积加起来。你不会得到精确答案——矩形顶部会高出或低于曲线——但会接近。然后让矩形更薄。

为了求出形状不规则区域的面积,想象用许多细长的垂直条纹填满它,就像在曲线下并排堆叠一排硬币一样。每条条纹如此之窄,以至于它的顶部几乎是平坦的,因此你可以将它视为一个简单的矩形并将面积相加。你把条纹切得越薄——你让 Δx 越小——堆叠就越紧密地填满该区域,你得到的面积就越接近准确答案。

在机器学习中的应用这就是通向连续概率的桥梁。期望 E[f(X)] = ∫ f(x)p(x) dx 正是这种“和的极限”;当模型无法精确计算它时,会退回到 Monte Carlo:用随机样本的平均值替代积分,也就是一种黎曼和。生成模型中每一个“对分布求平均”的步骤,都在近似上面的图像。
▶ 通向积分的桥梁
← 部分和直线与多项式 →