＆＃34;替代优化＆＃34;多度量学习的方法

Question

在度量学习的训练过程中，如果成本函数是凸的，那么我可以使用梯度下降法，得到最优解。

现在，我想从训练集中训练N（N可能非常大，如100）度量，并且一种方法是调整成本函数以使这些N度量能够组合成一个大的度量矩阵并使用梯度下降法，但是，如果N很大，这种方法不是很好，在这种情况下，是否有一些“替代优化”方法可以使用？，         是否可以修复第2~N个度量并仅为第1个度量进行梯度下降，然后修复第1个，第3个〜第N个度量并仅为第2个度量进行梯度下降。 这种“替代优化”方法是否存在一些必要条件

Answer 1

AO方法无法获得最优解，即使是局部最优解也是如此。因为N凸问题不能同时达到KKT条件。