【梯度】：
梯度是一个向量，它表示函数在给定点上沿着各个方向的变化率。在多元函数中，梯度是一个向量值函数，其各个分量是函数在每个自变量上的偏导数。梯度的方向与函数的最陡峭的上升方向相一致，而梯度的长度表示在该方向上的变化速率。梯度在优化算法、热力学和物理场等领域中有广泛的应用。
【散度】：
即单位时间内通过单位面积的通量，即单位时间内体积的变化量
散度是一个标量，用来描述向量场在给定点上的“发散”程度。对于二维向量场，散度表示向量场的流量输出或输入给定区域的速率。它是通过计算向量场的每个分量对应的偏导数并相加得到的。散度可以用于描述流体力学、电磁场等领域中的物理量分布。
【旋度】：
旋度是一个向量，用来度量向量场在给定点上的旋转程度。对于二维向量场，旋度是一个标量，表示向量场围绕某一点形成的旋转效应。对于三维向量场，旋度是一个向量，它表示向量场绕某一点形成的旋转轴和旋转速率。旋度可以用于描述涡旋流、电磁感应等现象。
【峰度】：
峰度是一个用来描述概率分布形态特征的统计量。它度量了概率分布相对于正态分布的尖锐度或平坦度。峰度大于3表示比正态分布尖锐，尖峰高而尾部重；峰度小于3表示比正态分布平坦，尖峰较低而尾部轻。峰度可以帮助识别数据集中存在的异常值或异常分布。
【偏度】：
偏度是一个用来描述概率分布对称性的统计量。它度量了概率分布相对于对称分布的偏斜程度。偏度为0表示分布对称；偏度大于0表示右偏（正偏），尾部向右延伸；偏度小于0表示左偏（负偏），尾部向左延伸。偏度可以帮助了解数据集的偏斜情况，对异常检测和预测建模有用。
【驻点&鞍点】：
驻点和鞍点在优化、机器学习、图像处理等领域具有重要的意义。深入理解它们的特性和对函数的影响有助于更好地理解和优化复杂的问题。
驻点（Stationary point）是一个函数的局部极值点或平稳点，也称为临界点。在一维情况下，驻点发生在函数导数为零的点。在多维情况下，驻点发生在函数所有偏导数都为零的点。驻点可以是局部最小值、局部最大值或鞍点。
局部最小值和局部最大值是函数在某个范围内的局部极值点。局部最小值是函数取得的最小值，而局部最大值则是函数取得的最大值。驻点附近的函数值要比驻点处的函数值小（局部最小值）或大（局部最大值）。当函数从负值逐渐增大到驻点时，然后再逐渐减小，我们可以称之为局部最大值。相反，当函数从正值逐渐减小到驻点时，然后再逐渐增大，我们可以称之为局部最小值。
通常称倒数等于零的点为函数的驻点（或稳定点，临界点）
鞍点（Saddle point）是一个驻点，但不是严格的局部极值点。在鞍点处，函数的导数为零，但是函数不在该点附近呈现单调递增或递减的趋势。在多维情况下，鞍点是函数在某些方向上局部增长，而在其他方向上局部减小的点。从图像上看，鞍点的曲面可能在一个方向上呈现向上凸起，而在另一个方向上呈现向下凹陷的形状。
鞍点在优化问题中是一个挑战，因为传统的优化算法可能会陷入该点的平坦区域，导致难以找到全局最优解。对于函数的局部极值点和鞍点的判断通常依赖于二阶导数（Hessian矩阵）。判断驻点的类型可以通过二阶导数的正负和零点的位置来确定。正定的二阶导数（所有特征值大于零）表示局部最小值，负定的二阶导数（所有特征值小于零）表示局部最大值，而非正定的二阶导数（含有正负特征值）表示鞍点。
【斜率&曲率】：斜率和曲率是描述曲线性质的两个关键指标。斜率描述了曲线的陡峭程度和变化率，而曲率描述了曲线的弯曲程度。通过理解和分析斜率和曲率，我们可以更好地理解曲线的形状、变化和特征。
斜率用于描述曲线在某一点的陡峭程度或斜率的变化率。在一维情况下，斜率表示曲线在给定点上的切线的斜率，也称为导数。斜率的正负表示曲线上升或下降的方向，而斜率的大小表示曲线的陡峭程度。对于一元函数，可以通过求导来计算斜率。斜率可以帮助理解曲线的趋势、速率和变化。
曲率表示曲线在某一点的弯曲程度，或者说曲线弯曲的快慢。曲率是一种测量曲线弯曲程度的几何属性。在一维情况下，曲率可以通过求函数的二阶导数来计算，也可以通过求曲线的切线与切线的变化率之间的关系来计算。曲率的值越大，表示曲线在该点的弯曲程度越高；曲率的值越小，表示曲线在该点的弯曲程度越低。曲率在物理学、计算机图形学和工程等领域中具有广泛应用，在曲线拟合、形状分析和路径规划等问题中起着重要作用。
速度描述单位时间位移变化量，加速度描述单位时间速度变化量，因此加速度最大的时刻即速度变化最大的时刻，即位移对应的斜率的变化最快时刻。
【求解拐点】：
1.稳定性，手肘法，偷电趋势用斜率变化拐点计算
2.连续数据可以计算曲率最大的点为最稳定点
3.连续数据可以计算二阶导数绝对值最大的点，因为二阶导数与曲率正比
4.离散数据可以计算每三个相邻点拟合的二次曲线的曲率作为该点曲率，寻找最大曲率即为稳定点
5.离散数据还可以写成矩阵形式，计算二阶差分最大的点。类似装卸车事件在不同阈值下事件数分布，求最优装卸车事件阈值
曲率和斜率是描述曲线的重要概念。
1. 斜率（Slope）：
2. 曲率（Curvature）：
