标签： machine-learning gradient-descent
我在研究梯度下降，发现对于一个变量，成本函数总是凸的。现在，这个成本函数是否总是天生具有至少一个最小值？发生这种情况是，如果域是有界的且封闭的，则成本函数（如果为凸）将具有一个最小值。如何从数据集的角度看待这一点，并确保将自己收敛到一个最小值。我想对nd-space（n个功能/变量）进行一些说明。
我希望一般的成本函数（n个变量）具有多个局部最小值，并且对于n = 1，最小值为1。