Machine learning 什么是；“局部解决方案”；在支持向量机中是什么意思？

我读过关于svm的书。我只是混淆了“全球解决方案”和“本地解决方案”

有谁能告诉我他们之间的区别吗

谢谢

一般来说，“局部解决方案”与“全局解决方案”分别表示“在某些固定环境中最佳”和“在整个可能值集中最佳”。因此，例如，如果您分析函数以找到正x的最小值，您将在“x~0.28”（全局解）附近找到它，尽管存在许多局部极小值，即

x~0.93

（）

---

这一概念在机器学习（以及支持向量机）中至关重要，因为许多学习模型没有有效的方法为其问题找到全局解决方案（这会导致更糟糕的学习效果）。支持向量机成功的原因之一是它有保证（假设有足够的时间和完美的数值精度）收敛到全局最优，因此，在最大利润的意义上寻找最佳的参数集。

在任何人知道你在说什么之前，你必须为你的问题添加更多的细节。我说的是一般性的。我只是想知道局部解是什么意思。谢谢，我一直在阅读关于支持向量机的教程，我发现这句话“每个局部解都是全局解”是凸规划问题的一个属性，这意味着什么？这意味着，在凸优化（支持向量机是一个特殊的例子）中，只有一个解。因此，没有局部-全局的区别——一旦你找到一个“局部”最小值，你就可以保证它实际上是全局的。考虑最简单的情况——二次函数（如f（x）=x^2+ax+c），它只有一个最小值，并且是凸的。但是一些非凸函数有多重极小值，就像我答案中的那个