知识卡片
凸性令局部极小全局最优
在凸可行域取局部极小点 a。若有可行点 b 更优,a 到 b 的线段都可行。由凸性,在线段上靠近 a 的任一点,其函数值不超过两端加权平均且小于 f(a),产生矛盾。凸性保证所有局部极小都是全局极小,但达到极小值还需要存在性与算法条件。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 凸优化核心过程:真正搞懂梯度下降过程 · 查看原书依据
凸函数的局部极小值就是全局最小值。这样,我们就可以利用这条性质快速找到问题的最优解。机器学习中有很多优化问题都要通过凸优化来求解,另外一些非凸优化问题也常常被转化为凸优化问题来求解。凸曲面与非凸曲面示
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第6章《凸优化核心过程:真正搞懂梯度下降过程》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter006.xhtml)
- 结论依据:原书以可行区域和曲面比较解释凸优化的全局性质。
- 原始内容:凸函数的局部极小值就是全局最小值。这样,我们就可以利用这条性质快速找到问题的最优解。机器学习中有很多优化问题都要通过凸优化来求解,另外一些非凸优化问题也常常被转化为凸优化问题来求解。凸曲面与非凸曲面示