我读过有关svm的内容。我只是在“全球解决方案”和“本地解决方案”之间感到困惑。
任何人都可以帮助我了解它们之间的区别吗?
由于
答案 0 :(得分:1)
一般而言,“本地解决方案”与“全球解决方案”分别表示“在某些固定环境中最佳”和“在整个可能值中最佳”。因此,例如,如果您分析cos(10x)/x函数以找到正x的最小值,您将在“x~0.28”(全局解)附近找到它,尽管有许多局部最小值即。 x~0.93
(http://www.wolframalpha.com/input/?i=min%5B+cos%2810x%29%2Fx%2C+x%3E0+%5D)
这个概念在机器学习中是至关重要的(在SVM中也是如此),因为许多学习模型没有有效的方法来找到问题的全局解决方案(这导致更差的学习效果)。 SVM成功背后的原因之一是它有一个保证(假设有足够的时间和完美的数值精度)来收敛到全局最优,因此 - 在最大边际意义上找到最佳可能的参数集。