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 2 |
f = function(x) x^2/2 fstar = function(y) max(y*x-vf) |
我们可以在下图上看到。
|
1 2 3 |
polygon(c(x[idx2],rev(x[idx2])),c(vf[idx2],rev(x0*x[idx2],col=rgb(0,1,0,.3,border=NA) abline(a=0,b=x0,col="red") 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 3 4 |
f = function(x) abs(x)^p/p fstar = function(y) max(y*x-vf) vi(1.5) |
|
1 2 3 4 |
f = function(x) abs(x)^p/p fstar = function(y) max(y*x-vf) 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 2 3 4 |
f = function(x) exp(x) fstar = function(y) max(y*x-vf) vi(1,YL=c(-3,3)) |
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
R语言多元逐步回归模型分析房价和葡萄酒价格：选择最合适的预测变量
R语言资产配置: 季度战术资产配置策略研究
R语言HAR和HEAVY模型分析高频金融数据波动率