Optimierung

Benny Botsch ()

Chapter Kapitel 4 in Maschinelles Lernen - Grundlagen und Anwendungen, 2023, pp 49-60 from Springer

Abstract: Zusammenfassung Ein Optimierungsproblem hat eine Zielfunktion, die durch einen Satz von Variablen definiert ist, die als Optimierungsvariablen bezeichnet werden. Das Ziel des Optimierungsproblems besteht darin, die Werte der Variablen zu berechnen, bei denen die Zielfunktion entweder maximiert oder minimiert wird. Es ist üblich, beim maschinellen Lernen eine Minimierungsform der Zielfunktion zu verwenden, wobei die entsprechende Zielfunktion oft als Verlustfunktion („loss function“) bzw. Kostenfunktion („cost function“) bezeichnet wird. Die meisten objektiven Funktionen beim maschinellen Lernen sind multivariate Verlustfunktionen über viele Variablen. Zuerst betrachten wir den einfachen Fall von Optimierungsfunktionen, die für eine einzelne Variable definiert sind. Anschließend folgen Optimierungsfunktionen mit mehr als einer Variable.

Date: 2023
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-67277-8_4

Ordering information: This item can be ordered from
http://www.springer.com/9783662672778

DOI: 10.1007/978-3-662-67277-8_4

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().