标签：数学模型 优化问题 svm logistic add nbsp 最优 idt style
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 |
标签：数学模型 优化问题 svm logistic add nbsp 最优 idt style
原文地址：http://www.cnblogs.com/shixisheng/p/7157499.html
