姚巨龙的博客

线性规划(Linear Programming, LP)是解决最优化问题的工具之一，也是运筹学的重要分支。运筹学(Operations Research)是一门研究人类对各种广义资源的运用及筹划活动的新兴学科，其目的在于了解和发现这种运用及筹划活动的基本规律，以便更有效发挥有限资源的效益，从而达到总体或全局有效或平衡的目标。1947年，美国数学家G.B.Dantzig及其同事提出了求解线性规划的单纯形法及其有关理论，为线性规划这一学科的建立奠定了理论基础。

动态规划 (dynamic programming,DP) 是算法、是方法、也是一种思路。

对于许多实际问题来说，变量取整数才有意义，因此有必要在线性规划模型中增加这些决策变量为整数的约束条件限制，这类含有整数决策变量的规划问题为整数规划(Integer Programming, IP)。

最短路径问题是图论研究中的一个经典算法问题，旨在寻找图（由结点和路径组成）中两结点之间的最短路径,用于解决最短路径问题的算法被称为“最短路径算法”。

旅行商问题（Traveling Salesman Problem, TSP）又译为旅行推销员问题、货郎担问题，简称为TSP问题，是最基本的路线问题，也是组合优化领域的经典问题。

最大流量算法的实际应用仍然既是一门艺术也是一门科学。它的艺术之处在于为特定的应用场景选择最有效的策略；它的科学之处在于对问题本质的理解。

聚类分析（Cluster Analysis） 是研究“物以类聚”的一种方法，有时称为群分析、点群分析、簇类分析等。聚类分析是根据研究对象的特征对研究对象进行分类的多元分析技术的总称。聚类分析是应用最广泛的分类技术，它把性质相近的个体归为一类，使同一类的个体具有高度的同质性。

判别分析(discriminant analysis) 是研究样品所属类别的一种统计分析方法，本文介绍距离判别法。

Fisher判别法的基本思想是“投影”，即将高维空间中的样本点投影到低维空间，从而简化问题。Fisher判别有线性判别、二次判别等多种判别方法。

朴素Bayes分类(naive Bayes classifier) 是一种简单而实用的分类算法，其基本原理是Bayes定理。klaR包里的 NaiveBayes() 函数实现朴素Bayes分类算法。

机器学习中的分类算法也常常用来解决判别分析问题。常见的分类算法包括决策树、K最邻近、支持向量机、神经网络、随机森林等。在选择分类算法时，需要考虑模型的泛化能力、算法复杂度以及对结果的可解释性，且应不断积累新的数据资料，对算法进行修正。