回答

1

当数据是可分离的,最佳的是在无穷大,所以你永远不会达到它。但是,通常情况下,您正在使用的任何优化算法都会达到通过进一步迭代无法获得明显改进的点。

如果情况并非如此,则充分调整的算法最终将找到全局最优值,因为损失函数为convex

+0

谢谢,你能否澄清为什么它找到全局最优,因为损失函数是凸的? – Fredrik

+1

凸(凹)函数只有一个最小值(最大值)。通常用于逻辑回归的迭代优化算法,如梯度下降法或牛顿法,搜索空间中目标函数减少(增加)的方向。因此,只要更新步骤足够小,他们最终会遇到最佳状态。我添加了一个链接。 – broncoAbierto