牛顿法是凸优化算法还是全局优化算法？

凸优化指的是在凸集上的凸目标函数只有一个最优解，也就是只有一个max point, gradient=0。凸优化最主要目的是保证理论上局部最优就是全局最优。但是实际中学习步长不可能无限小，有可能也会有局部最优解。

GD和牛顿发都是最优化算法，目的是找gradient=0的点。

梯度下降（一阶算法）和牛顿法（二阶算法）都是去找梯度为0的点（驻点）。

至于这些点是极大（小）值还是最大（小）值，牛顿法和梯度下降法是无法保证的，所以牛顿法不是全局优化算法。