首页 > 代码库 > 凸优化
凸优化
机器学习中的大多数问题可以归结为最优化问题。把一些典型的问题用最优化的方法建立数学模型，再最优化的方式求解。
我们再看看数据挖掘和机器学习中哪些是最优化问题，哪些不是。
| 名称 | 是否最优化 | 其他 |
| 关联规则 | 否 | 支持度和置信度； 其实就是联合概率p（x，y）和条件概率p（y|x）。 典型的创造概念，但是没有新的东西 |
| 决策树 | 否 | 取信息增益大的结点 |
| 线性回归 | 是 | 最小化误差平方 |
| 最大熵 | 是 | 熵最大 |
| logistic 回归 | 是 | 最大似然 |
| SVM | 是 | 最小化间隔 |
| HMM | 是 | 最大似然 |
| 贝叶斯 | 是 | 最小化误差 |
| 矩阵分解的推荐系统 | 是 | 用户和商品的隐状态向量 |
凸优化
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。