机器学习面试题-局部最优和全局最优的区别

问题背景

在优化的世界里,总避免不了的接触全局最优和局部最优的概念,那么这两者的区别是什么呢?

问题解答

全局最优:针对一定条件/环境下的一个问题/目标,若一项决策和所有解决该问题的决策相比较是最优的,就可以被称为“全局最优”;

局部最优:针对一定条件/环境下的一个问题/目标,若一项决策和部分解决该问题的决策相比较是最优的,就可以被称为“局部最优”

既然有全局最优,为什么还需要有局部最优呢?

事实是这样子的,对于优化问题,尤其是最优化问题,总是希望能找到全局最优的解决策略,但是当问题的复杂度过于高,要考虑的因素和处理的信息量过多的时候,我们往往会倾向于接受局部最优解,因为局部最优解的质量不一定最差的。尤其是当我们有确定的评判标准标明得出的解释可以接受的话,通常会接受局部最优的结果。这样,从成本、效率等多方面考虑,才是实际工程中会才去的策略。

说白了,就是没那么多时间和精力去算出全局最优的结果来,用一个差不多的结果就可以啦,最起码工程上是这么搞的。

参考

[1] https://www.jianshu.com/p/10f58aa6ada1

[2] https://zhuanlan.zhihu.com/p/295436104

                                                                                喜欢就关注一下啦~~~


©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 局部最优与全局最优思维模型:“优化问题的局部最优解是指在临近解释集合当中的最优(最大或者最小)解。相对应的是全局最...
    8号星球阅读 8,428评论 0 2
  • 1. SVM、LR、决策树的对比? LR实现简单,训练速度非常快,但是模型较为简单。 决策树容易过拟合,需要进行剪...
    李涛AT北京阅读 1,581评论 0 3
  • 一 面试题概述 面试的时候,面试官会结合你的回答和你的简历来询问你,所以在写简历的时候,简历上所写的所有内容在写的...
    摩天轮的守候阅读 14,173评论 2 69
  • 1.机器学习中特征的理解 def:特征选择和降维 特征选择:原有特征选择出子集,不改变原来的特征空间 降维:将原有...
    CoolWell阅读 931评论 0 0
  • 1. 什么是数据标准化,为什么要进行数据标准化? 我认为这个问题需要重视。数据标准化是预处理步骤,将数据标准化到一...
    AI信仰者阅读 1,879评论 0 4