1
条回答
写回答
写回答
-
推荐回答1.对于一个凸函数，存在向量是有一个次梯度的。我们用次梯度对lasso回归带来的稀疏性进行解释。
2.从函数图像角度解释次梯度。即一条经过点的直线，其中，这个向量就是这条直线的斜率，也就是梯度。所以对于一个次梯度来说，它要满足的条件就是所形成的这条直线要一直处于原函数的下方。
3.由于凸函数的一阶性质保证了在 w 处能够满足如上性质的向量，因此对于凸函数中的可导部分，那么它的梯度就等于是它的次梯度。而对于函数的不可导部分，函数的次梯度就会是一个集合。
2022-04-01 20:45:43赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
