凸集
凸集的交集還是凸集。
仿射空間是典型的凸集,Ax = b,Ax < b 線性等式和線性不等式是凸集。
凸函數
判斷凸函數的方法:定義,一階導數判定,二階導數判定。
定義:
一階:f(y) > f(x) + f '(x)*(y-x); 二階:f ''(x) >= 0,>0爲嚴格凸函數,二維則Hessian矩陣爲半正定,正定爲嚴格凸函數。
凸函數的線性組合 還是凸函數。
二次函數是典型的凸函數。
凸優化問題是目標函數是凸函數,可行域是凸集,即雙凸。
如SVM的目標函數和約束條件,爲單位矩陣,即正定,是凸函數,<0 爲線性不等式,是凸集,所以SVM的的優化問題爲凸優化問題,而是二次型,所以是凸二次規劃問題。
凸優化問題的性質,局部最優解是全局最優解,並且規避了鞍點問題(因爲Hessian矩陣是半正定的,不存在不確定的點)
slater條件是強對偶的充分但不必要問題。滿足slater條件是 1)凸函數+ 2)至少存在一組解使g(x) < 0兩個條件。