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。
f = function(x) x^2/2
fstar = function(y) max(y*x-vf)
我们可以在下图上看到。
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
f = function(x) abs(x)^p/p
fstar = function(y) max(y*x-vf)
vi(1.5)

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

可下载资源
关于作者
Kaizong Ye是拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文,如需帮助请联系我们!