R 中的数据挖掘算法/包/optimsimplex/单纯形梯度

描述

optimsimplex.gradientfv 用于确定函数的单纯形梯度，该函数由辅助函数 optimsimplex.gradcenter 和 optimsimplex.gradforward 计算。

用法

   optimsimplex.gradientfv(this = NULL, fun = NULL, method = "forward", data = NULL)
   optimsimplex.gradcenter(this = NULL, fun = NULL, data = NULL)
   optimsimplex.gradforward(this = NULL)

参数

this	一个单纯形对象
fun	要在顶点计算的函数。该函数预期具有以下输入和输出参数 myfunction <- function(x, this){ ... return(list(f=f,this=this)) } 其中 x 是一个行向量，this 是用户定义的数据，即 data 参数。
method	用于计算单纯形梯度的方法。有两种方法可用：’forward’ 和 ’centered’。’forward’ 方法使用当前单纯形来计算梯度（使用 optimsimplex.dirmat 和 optimsimplex.deltafv）。’centered’ 方法创建一个中间单纯形并计算平均值。
data	传递给函数的用户定义数据。如果提供数据，则会将其作为输入和输出参数传递给回调函数。如果函数使用某些附加参数，则可以使用 data。它作为输出参数返回，因为函数在计算函数值时可能会修改 data。此功能可用于例如计算函数调用次数。

返回值

optimsimplex.gradientfv 返回一个包含以下元素的列表

g 函数梯度的列向量（长度为 this$n）。

data 更新后的用户定义数据。

optimsimplex.gradcenter 返回一个包含以下元素的列表

g 函数梯度的列向量（长度为 this$n）。

data 更新后的用户定义数据。

optimsimplex.gradforward 返回函数梯度的列向量（长度为 this$n）。

作者

Scilab optimsimplex 模块的作者：Michael Baudin（INRIA - Digiteo）
R 移植的作者：Sebastien Bihorel（[email protected]）