凸函数的性质

在一次机器学习讨论班上,关于线性回归的均方误差函数为何是凸的问题引发思考。错误地提到凸函数被多项式复合仍是凸的,实际应为凸函数在仿射变化下保持凸性。凸函数的性质主要包括:和是凸函数,则和也是;递增和是凸的,则是凸的;凸性在仿射映射下不变。反思要在清晰理解后再发言,避免误导他人。
摘要由CSDN通过智能技术生成

今天公司开机器学习的讨论班,期间,一个同学问道:为什么线性回归的均方误差函数是凸的(好像是这个吧)?我一激动来了一句“凸函数被多项式复合也是凸函数”,这个结论是不对的。应该是“凸函数在仿射变化下保持凸性不变”,也就是x^2是凸函数,那么(a1*x1+a2*x2+...an*xn)^2也是凸函数。

 

按照维基百科的观点,凸函数的性质,总结起来不过下面三点:http://zh.wikipedia.org/zh/%E5%87%B8%E5%87%BD%E6%95%B0

  • 如果f g 是凸函數,那麼m(x) = \max\{f(x),g(x) \} h(x) = f(x) + g(x) 也是凸函數。
  • 如果
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值