在了解CRF推导与参数估计的时候,会用到收敛优化方法去迭代求解凸优化问题,至此,总结一下我对牛顿法、BFGS算法和L-BFGS算法这三种方法的理解。
牛顿法:
方法思想:在现有极小点估计值附近对f(x)做二阶泰勒展开式,进而找到下一个极小点估计值。
设:xk为当前极小点估计值, 我们要去求这个函数的最值,则二阶泰勒展开式为:
若要求极值,则使其倒数等于0,然后得:
在了解CRF推导与参数估计的时候,会用到收敛优化方法去迭代求解凸优化问题,至此,总结一下我对牛顿法、BFGS算法和L-BFGS算法这三种方法的理解。
方法思想:在现有极小点估计值附近对f(x)做二阶泰勒展开式,进而找到下一个极小点估计值。
设:xk为当前极小点估计值, 我们要去求这个函数的最值,则二阶泰勒展开式为:
若要求极值,则使其倒数等于0,然后得: