Machine learning 切点处的解是最优解吗？

根据我在文章中的理解，蓝色圆圈是水平曲线，蓝色圆点是使成本函数最小化的最佳解决方案。黄色圆圈是L2范数约束

我们需要的解决方案是尽可能地最小化成本函数，同时也在循环内。也就是说，解决方案是黄色圆和水平曲线之间的切点

但是，我的问题是，如果切点处的W值不完全最小化代价函数，这怎么可能是解决方案？只有蓝点是使成本函数最小化的点

---

如果没有约束，蓝点最小化成本函数。 如果最小化受L2范数约束，则蓝点不能是解决方案，因为它违反了约束。因此，点w*是解

---

使用L2约束的原因是，我们试图最小化测试数据上的误差，而不是列车数据上的误差，即我们对最小化损失函数没有直接兴趣。具有较小L2范数的较简单解决方案往往过拟合较少，因此我们预计测试和训练误差之间的差距较小，这是可取的

这不是一个编程问题，它离题了。