情報科学 › 機械学習の数学 › なぜ機械学習に数学が必要か

凸関数では停留点と大域最小点が一致する

定理 4.2(「なぜ機械学習に数学が必要か」§4) ・ ✓公理まで証明済み

f:Rd→Rf:\mathbb{R}^d\to\mathbb{R} を全微分可能な関数とする。

  1. ff が凸ならば、任意の v,w∈Rd\boldsymbol{v},\boldsymbol{w}\in\mathbb{R}^d に対して f(v)≥f(w)+⟨∇f(w), v−w⟩f(\boldsymbol{v}) \ge f(\boldsymbol{w}) + \langle \nabla f(\boldsymbol{w}),\,\boldsymbol{v}-\boldsymbol{w}\rangle が成り立つ。
  2. ff が凸ならば、w⋆\boldsymbol{w}^{\star} が ff の大域最小点であることと ∇f(w⋆)=0\nabla f(\boldsymbol{w}^{\star})=\boldsymbol{0} であることは同値である。なお「大域最小点ならば ∇f(w⋆)=0\nabla f(\boldsymbol{w}^{\star})=\boldsymbol{0}」の向きは凸性を仮定しなくても成り立つ。

本文で読む(証明と前後の説明)→

閉包の状態

✓ 公理まで証明済み

証明が使う定理を 前提 としてたどると、Rikai の中の証明だけで定義・公理(物理では基本仮定)までつながっています(前提の定理類 1 件、定義なども含めて 3 件)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

前提をたどる 証明が使う定理・定義(直接 2 件)

▸ を開くと、その項目の証明が使う前提が出ます。深い先は各項目のページでたどれます。

これを使っている定理 証明で参照している 2 件

関連するノック 1 問