凸优化
由于在SVM等各种地方都会用凸优化来解决问题,所以本篇博客将系统的介绍凸优化如何做,以及一些常见的问题。
基本概念
仿射集(Affine Set)
定义: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.
∀x1,x2∈C,∀θ∈R,则x=θ∗x1+(1−θ)∗x2∈C
凸集
定义:集合C内任意两点间的线段均在集合C内,则成集合C为凸集。
∀x1,x2∈C,∀θ∈[0,1],则x=θ∗x1+(1−θ)∗x2∈C
由于仿射集的条件比凸集的条件要强一些,所以仿射集一定是凸集。
保凸性运算
- 集合交运算;
- 仿射变换:f = Ax + b的形式;
- 透视变换;
- 投射变换
凸函数
定义:若函数f的定义域domf为凸集,且满足 ∀x,y∈fomf,0<=θ<=1,有f(θx+(1−θ)y)<=θf(x)+(1−θ)f(x)
一阶可微
若f一阶可微,则函数f为凸函数当且仅当f的定义域为凸集,且 ∀x,y∈domf,f(y)≥f(x)+∇f(x)T(y−x) .
所以,对于凸函数,其一阶Taylor近似本质上是该函数的全局下估计。二阶可微
若函数f二阶可微,则函数f为凸函数当且仅当dom为凸集,且 ∇2f</