当我们在多项式回归、逻辑回归、支持向量机的情况下使用多项式特征时,损失函数是否变得非凸?
问问题
343 次
1 回答
-1
X -> y
如果您尝试估计的任何选择的损失函数都是凸的,那么添加一组固定的多项式特征不会改变这一点。您只是将初始问题与估计问题进行交易X' -> y
,其中X'
具有附加功能。
如果您还尝试估计新特征的参数,那么很容易在这些维度上获得非凸损失(假设有参数可供选择——如果您只是在谈论添加多项式基础那么这不适用)。
作为一些证明措施,以一维估计问题为例并选择特征f(x) = (x-a)^3
。假设您的数据集具有单点(0, 0)
。通过一些工作,您可以证明即使对于新特征的线性回归,损失在相对于参数的地方也是非凸的a
。请注意,对于新特征,损失仍然是凸的——标准线性回归总是满足该属性——事实上,我们使用线性回归和多项式的选择来构建一个新的非凸回归器,导致这种行为.
于 2020-07-16T18:46:41.027 回答