坐标下降法(Coordinate descent)
首先介绍一个算法：coordinate-wise minimization 问题的描述：给定一个可微的凸函数，如果在某一点x，使得f(x)在每一个坐标轴上都是最小值，那么f(x)是不是一个全局的最小值。 形式化的描述为：是不是对于所有的d，i都有 这里的代表第i个标准基向量。 答案为成立。 这是因为： 但是问题来了，如果对于凸函数f，若不可微该会怎样呢？ 答案为不成立，上面的图片就给出了一个反例。
相关文章
- 1. 坐标下降法(Coordinate descent)
- 2. 【机器学习】坐标下降法（Coordinate descent）
- 3. 坐标下降法
- 4. 坐标下降和块坐标下降法
- 5. android View coordinate（坐标）
- 6. 坐标下降
- 7. 梯度下降法 Gradient Descent
- 8. 梯度下降法 Gradient descent
- 9. 梯度下降法(gradient descent)
- 10. 梯度下降法,牛顿法,坐标下降法
- 更多相关文章...
- • Swift 下标脚本 - Swift 教程
- • Thymeleaf标准URL语法 - Thymeleaf 教程
- • Docker容器实战(七) - 容器眼光下的文件系统
- • IDEA下SpringBoot工程配置文件没有提示
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
