Logistic Regression是凸优化问题吗?
来源:互联网 发布:网络东北大秧歌曲大全 编辑:程序博客网 时间:2024/06/11 10:46
今天面试被问到了很多凸优化方面的问题,
- 你能大概讲讲什么是凸优化吗?
答曰:对于一个优化问题,如果目标函数是凸的且可行域是凸集,那么就是一个凸优化问题。凸优化问题有一个很好的性质,即局部最优解就是全局最优解。凸优化就是研究如何解决凸优化问题,以及对于非凸的问题如何转化为凸优化问题求解。(并不完善,求补充)
然后我就掉进了一个思维陷阱。面试官接着问了下面的问题:
目标函数
f(x)=e−θTx ,无约束条件,是凸优化问题吗?逻辑斯特回归是凸优化问题吗?为什么和前者不一样?
是,是,不都是吗,哪里不一样?我蒙住了,列出LR的目标函数愣在那,想了会儿答不上,面试官说可以换下一话题,我就问面试官。他说,前者是后者不是,他说根据他搜索的结果,原因是逻辑斯特回归的可行域是凸集而前者不是。
面试结束后,我翻出凸优化的教材看了看,有了点不同的见解。
目标函数
f(x)=e−θTx ,无约束条件。这是凸优化问题。首先目标函数是凸的,其次无约束的话,可行域是整个向量空间,是凸集。但是这个问题没有最优解。无约束的凸优化问题可能无下界(e.g.线性函数)或最优值有限但不可达(本例),存在最优解的充要条件是存在一阶导数为零的点。逻辑斯特回归是凸优化问题,凸函数+无约束条件。有最优解是因为存在一阶导数为零的点。TBA。
好吧,我当时就是蒙在这了。这两个问题的区别是一个没最优解一个有最优解,都是无约束的凸优化问题。我当时完全被拐带着去考虑可行域了……
我觉得这个问题稍冷僻,但很有价值。LR和SVM都是最基本的分类器,但是毫无疑问,提到LR时很少会去考虑凸问题的证明,但是SVM由于颇费周折的对偶推导,对偶问题的凸性反而显而易见。
阅读全文
0 0
- Logistic Regression是凸优化问题吗?
- Logistic Regression求解classification问题
- logistic regression
- logistic regression
- logistic regression
- Logistic Regression
- Logistic Regression
- logistic regression
- Logistic Regression
- Logistic Regression
- logistic regression
- Logistic regression
- Logistic Regression
- Logistic Regression
- Logistic Regression
- Logistic Regression
- Logistic Regression
- logistic regression
- 单链表
- Elasticsearch自定义脚本完成性能测试
- 九大排序之——冒泡排序
- Dom4j的使用(全而好的文章)
- 从add函数分析函数栈帧的创建和销毁
- Logistic Regression是凸优化问题吗?
- 1 10 100 1000
- 我的第一个博客
- 最近看到的几款好用的框架
- 傅里叶级数与复的傅里叶级数、傅里叶变换
- 实验四 网络模拟器RouterSim的使用
- Android中AsyncTask的简单用法
- 《智能路由器开发指南》核心笔记(全)
- 加油