机器学习之凸优化基础二
2015-09-09 21:43
274 查看
20.共轭函数
21.凸优化
23.对偶问题
24.Lagrange对偶函数(dual function)
求原函数的最小值，可以转化为求对偶函数的最大值（左侧取值后对应到右侧的图像就是其对偶函数）
25.
优化问题的基本形式
告诉几个等式约束求最值
局部最优问题
22.非凸优化问题的变形告诉几个等式约束求最值
局部最优问题
Lagrange 对偶函数
若没有下确界，定义:
根据定义，显然有：对∀λ>0，∀v，若原优化问题有最优值p*，则
若没有下确界，定义:
根据定义，显然有：对∀λ>0，∀v，若原优化问题有最优值p*，则
进一步：Lagrange对偶函数为凹函数。（任何一个凸函数加上一个负号就是一个凹函数）
求原函数的最小值，可以转化为求对偶函数的最大值（左侧取值后对应到右侧的图像就是其对偶函数）
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- Android版本支付宝集成获取私钥与公钥
- UVA 11090 Going in Cycle!!
- populate next right pointer in each node
- 剑指Offer系列---(12)斐波那契数列
- poj 1676 What time is it?(经典模拟)
- 某二线城市软件行业批评
- 0909 操作系统概述
- 安卓的开端
- UVA 1629 二维裸区间DP dfs
- Android高效加载大图、多图解决方案，有效避免程序OOM
- notepad++的使用小技巧（多行标签）
- Spark1.2新特性概述
- 游戏人工智能开发之6种决策方法
- c++ stl 之迭代器浅析
- iOS cocoapods 安装记录
- 朴素贝叶斯理论推导与三种常见模型
- AdaultBird--我的黑马程序员之路！Chapter5---java API中的System类，Properties类，Runtime类，Date类，Calendar类，Math类，IO概述及
- Maven基础
- Android进程线程---Handler（常用）
- c++ 字符串输出限制突破