本文介绍了凸优化在机器学习中的重要性，凸优化是数学最优化的一个子领域，用于运筹学等多个领域。在AI问题中，优化是核心，而目标函数的类型（凸函数或非凸函数）尤为关键。凸函数有全局最优解，易于求解，如逻辑回归；而非凸函数，如神经网络，寻找局部最优解更具挑战性。文章还探讨了连续函数、带条件与不带条件、平滑与不平滑的优化问题，并举例说明了交通问题和投资组合问题的凸优化解决方案。
为什么开篇第一件事是介绍凸优化呢，原因很简单，就是它很重要！
凸优化属于数学最优化的一个子领域，所以其理论本身也是科研领域一门比较复杂高深的研究方向，常被应用于运筹学、管理科学、运营管理、工业工程、系统工程、信号处理、统计学等，我们主要关注其在机器学习中的应用。
类比于计算机程序由数据结构和算法组成一样，任何的AI问题可归结于以下公式：
A I 问 题 = 模 型 + 优 化 AI问题=模型+优化 AI问题=模型+优
最低0.47元/天 解锁文章
扫一扫
456
评论 2
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
