L1和hingo loss 不是处处可导咋使用LBFGS等优化算法呢
第一个问题,如果采用了次微分(subdifferential),常见的方法是随便选择次微分集合中的任意一个次梯度(subgradient)参与优化过程。另外,在次微分这个概念下其实有一大类算法,比如subdifferential algorithm, cutting plane method, bundle method ,等等。所以并不是说简单套用次梯度的概念就能够天下大吉了。
【L1和hingo loss 不是处处可导咋使用LBFGS等优化算法呢】 第二个问题,楼上已经有回答了。建议你plot(max(0,x)^2)试试。
■网友
这是个trivial的问题,你把max(0,x)函数图像画出来就知道了
■网友
常用的两种解法:sub-gradient和proximal gradient
推荐阅读
- 花盆满是小飞虫?不是大事,花盆撒把它,小虫死翘翘
- 医生■苏州医生高铁上救人,这已经不是他第一次……
- 公益律师保文静:家庭暴力不是所谓的“家务事”
- 银行系统的研发岗(程序员)是不是很难进(校招)推广到国企的研发岗(程序员)呢
- 鬼斗车|安全性是不是韩系车短板?到车里去寻找下答案!
- 孩子|张奶奶笔记:母乳是不是吃饱了?(权威文献摘录)
- 知乎有没有必要增加一个特别关注功能
- 橘猫车探长|销量超3500万辆,这合资车升级换代后,丰田、本田都不是对手!
- Syniverse是不是南京最难进的IT公司
- 快上车Go|买什么牌子的车不容易坏?第一居然不是丰田
