人工智能之数学(三) ------ 凸优化

一.机器学习中的优化问题 损失函数 : 模型与实际数据匹配程度越好,损失函数就越小,如果相差较大,损失函数也会相对比较大 正则化函数 : 模型很复杂,对于训练数据拟合性很好,但是对于未见过的数据拟合较差,因此可通过正则化的函数控制模型的复杂度,避免模型过于拟合训练数据,对于新来的数据有泛化的能力 实例 : 数学优化的形式化:通过数学的建模来求解问题,数学的优化可归纳成标准形式,入下图所示: 首先需

>>阅读原文<<