感知機與邏輯迴歸代價函數的凸性判斷證明

感知機與邏輯迴歸代價函數的凸性判斷證明 在機器學習中，寫出需要優化的代價函數後，凸性的判斷有助於我們選擇優化算法，也有助於我們判斷最後解是否全局最優。 由於凸函數的駐點必爲全局最小值，這一優良性質。 我們希望代價函數是凸函數，這樣可以讓我們可以選擇簡單的梯度下降或者牛頓法進行優化求解。 這裏我們討論感知機和邏輯迴歸的代價函數的凸性判斷。 以下是《機器學習精講》的習題內容，下面是我解答的答案，希望對

>>阅读原文<<