一、概念
最优化问题
目前在机器学习,数据挖掘等领域应用非常广泛,因为机器学习简单来说,主要做的就是优化问题,先初始化一下权重参数,然后利用优化方法来优化这个权重,直到准确率不再是上升,迭代停止
。
两个正数的算术平均数大于等于几何平均数:
给定可逆对称阵Q,对于任意的向量x,y,有:
1.1 仿射集:(直线)
通过集合C中任意两个不同点的直线仍然在集合C内,则称集合C为仿射集。
1.2 凸集:(线段)
如果通过集合C中任意两个不同点之间的线段(上的任何点)仍在集合C中,那么称集合C是凸的。
θ∗x1+(1−θ)∗x2∈C;其中x1∈C,x2∈C,0<=θ<=1
θ
∗
x
1
+
(
1
−
θ
)
∗
x
2
∈
C
;
其
中
x
1
∈
C
,
x
2
∈
C
,
0
<=
θ
<=
1
集合C的所有点的凸组合形成的集合, 叫做集合C的凸包。
集合C的凸包是能够包含C的最小的凸集。
1.3 锥定义(射线)
给定 C∈Rn,满足x∈C,tx∈C对于任意t≥0C∈Rn,满足x∈C,tx∈C对于任意t≥0称之为锥。
1.4 凸锥(convex cone):
x1,x2∈C,t1x1+t2x2∈C,对于任意t1,t2≥0x1,x2∈C?t1x1+t2x2∈C,对于任意t1,t2≥0都成立,那么称集合C 为凸锥。显然凸锥是锥的一种。
1.5 凸优化
拉格朗日乘子法就是求函数f(x1,x2,…)在约束条件h(x1,x2,…)=0下的极值的方法: