原文链接：http://tecdat.cn/?p=18993

在回归模型研究中，我们将讨论优化，而经典工具就是所谓的共轭。给定函数f：Rp→R，其共轭值为函数f ⋆：Rp→R使得

可视化考虑一个简单的抛物线函数（在维度1中）f（x）= x ^ 2 / 2，然后f ⋆（2）是线x↦2x与函数f（x）之间的最大距离。

1.  
   f = function(x) x^2/2
2.  
   fstar = function(y) max(y*x-vf)

我们可以在下图上看到。

1.  
    
2.  
   polygon(c(x[idx2],rev(x[idx2])),c(vf[idx2],rev(x0*x[idx2],col=rgb(0,1,0,.3,border=NA)
3.  
   abline(a=0,b=x0,col="red")
4.  
   segments(x[i],x0*x[i],x[i],f(x[i]),lwd=3,col="red")

在这种情况下，我们实际上可以计算f⋆，因为

一阶条件是x⋆= y，因此

实际上，对于ℓp的共轭，我们可以使用以下代码对其进行可视化

1.  
    
2.  
   f = function(x) abs(x)^p/p
3.  
   fstar = function(y) max(y*x-vf)
4.  
   vi(1.5)

1.  
    
2.  
   f = function(x) abs(x)^p/p
3.  
   fstar = function(y) max(y*x-vf)
4.  
   vi(1, YL=c(0,10))

在那种情况下，如果f（x）= ∣x∣则

另一种情况是 

我们可以在下面看到

1.  
   f = function(x) exp(x)
2.  
   fstar = function(y) max(y*x-vf)
3.  
   vi(1,YL=c(-3,3))
4.  
    

最受欢迎的见解

1.用R语言模拟混合制排队随机服务排队系统

2.R语言中使用排队论预测等待时间

3.R语言中实现马尔可夫链蒙特卡罗MCMC模型

4.R语言中的马尔科夫机制转换(Markov regime switching)模型

5.matlab贝叶斯隐马尔可夫hmm模型

6.用R语言模拟混合制排队随机服务排队系统

7.Python基于粒子群优化的投资组合优化

8.R语言马尔可夫转换模型研究交通伤亡人数事故预测

9.用机器学习识别不断变化的股市状况——隐马尔可夫模型的应用