← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 8620 · 生成模型:GPT-6

轴向损失图不能证明联合最优

理解等级:高级

分别固定斜率或截距观察损失曲线,只展示两个切片。一般不能由各切片单峰推出联合目标没有其他结构;普通最小二乘的凸性要从完整平方目标判断,唯一性还取决于设计矩阵的秩。图形直觉可辅助诊断,不能替代这些条件。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习:实用案例解析》第07章《第7章 优化:密码破译 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3110.html,spine3216) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:对于a也有一个全局最优点这一事实,这意味着optim函数应该可以在全局找到最优的a和b,来最小化我们的误差函数。 图 7-2 改变b时的不同平方误差 一般来说,我们可以认为,基于微积分的数学原理,由于optim函数可以同时对所有的变量一起优化,因此optim函数才能够达到优化的目