这是一个相当普遍的问题(即不一定特定于统计),但是我注意到机器学习和统计文献中的一种趋势,作者更喜欢采用以下方法:
方法1:通过制定可能(例如从计算的角度来看)找到全局最优解决方案的成本函数(例如通过制定凸成本函数)来获得对实际问题的解决方案。
而不是:
方法2:通过公式化成本函数来获得相同问题的解决方案,而对于该函数,我们可能无法获得全局最优解(例如,我们只能为其获得局部最优解)。
请注意,严格地说,这两个问题是不同的。假设我们可以为第一个找到全局最优解,而第二个找不到。
除了其他考虑因素(例如速度,易于实施等),我正在寻找:
- 对这种趋势的解释(例如数学或历史论证)
- 解决实际问题时,采用方法1而不是方法2带来的收益(实际和/或理论上)。