Lineer En Küçük kareler ile çözülebilir.
0) Sınırlandırılmamış doğrusal en küçük kareler için aşağıda açıklandığı gibi, SVD veya QR'ye dayanan yüksek kalitede doğrusal en küçük kareler çözücüsünün kullanılması veya aşağıda açıklandığı gibi, bağlı veya doğrusal olarak sınırlandırılmış en küçük kareler için bir Kuadratik Programlama veya Konik Optimizasyon sürümüne dayanarak. Böyle bir çözücü önceden konserve edilir, yoğun bir şekilde test edilir ve kullanıma hazırdır.
1) En güvenilir ve sayısal olarak doğru yöntem olan SVD, alternatiflerden daha fazla hesaplama gerektirir. MATLAB'da, sınırlandırılmamış doğrusal en küçük kareler probleminin SVD çözümü A * X = b, pinv (A) * b'dir, bu çok kesin ve güvenilirdir.
2) QR, oldukça güvenilir ve sayısal olarak doğru, ancak SVD kadar değil ve SVD'den daha hızlı. MATLAB'da, sınırlandırılmamış doğrusal en küçük kareler probleminin QR çözümü A * X = b, A koşullu sayıya sahip olmadıkça, oldukça kesin ve güvenilir olan A \ b'dir. A \ b, hesaplamak için pinv (A) * b'den daha hızlıdır, ancak güvenilir ya da doğru değildir.
3) Normal denklemleri oluşturmak (güvenilirlik ve sayısal doğruluk açısından KORKUNÇ, çünkü yapılması gereken çok kötü bir durum sayısını kareler) ve
3a) Cholesky Factorization ile çözme (iyi değil)
3b) açıkça ters matris (HORRIBLE)
4) Kuadratik Programlama problemi veya İkinci derece koni problemi olarak çözme
4a) Yüksek kaliteli Kuadratik Programlama yazılımı kullanarak çözün. Bu güvenilir ve sayısal olarak doğrudur, ancak SVD veya QR'den daha uzun sürer. Ancak, nesnel işlevine bağlı veya genel doğrusal kısıtlamalar veya doğrusal veya ikinci dereceden (iki norm) ceza veya düzenlileştirme şartları eklemek kolaydır ve Kuadratik Programlama yazılımı kullanarak sorunu hala çözmek mümkündür.
4b) Yüksek kalite Conic Optimizasyon yazılımı kullanarak İkinci Dereceden Koni problemini çözün. Açıklamalar, Kuadratik Programlama yazılımıyla aynıdır, ancak ayrıca çeşitli normlarda ceza veya düzenlileştirme şartları gibi sınırlanmış veya genel doğrusal kısıtlamalar ve diğer konik kısıtlamalar veya objektif fonksiyon terimleri de ekleyebilirsiniz.
5) Yüksek kaliteli genel amaçlı doğrusal olmayan optimizasyon yazılımı kullanarak çözün. Bu hala işe yarayabilir, ancak genel olarak Kuadratik Programlama veya Konik Optimizasyon yazılımından daha yavaş olacak ve belki de bu kadar güvenilir olmayabilir. Bununla birlikte, yalnızca sınırlı ve genel doğrusal kısıtlamaları değil, aynı zamanda doğrusal olmayan kısıtlamaları da en küçük kareler optimizasyonuna dahil etmek mümkün olabilir. Ayrıca, doğrusal olmayan en küçük kareler için ve diğer doğrusal olmayan terimler amaç işlevine eklenirse kullanılabilir.
6) Berbat genel amaçlı doğrusal olmayan optimizasyon algoritmaları kullanarak çözün -> BU YAPMAYIN.
7) WORST OLASI genel amaçlı doğrusal olmayan optimizasyon algoritması kullanarak çözün, yani gradyan inişi var. Bunu, yalnızca bir çözüm yönteminin ne kadar kötü ve güvenilmez olduğunu görmek istiyorsanız kullanın. Eğer biri size doğrusal en küçük kareler problemlerini çözmek için degrade iniş kullanmasını söylerse
7 i) Bu konuda bir şeyler bilen birinden istatistiksel hesaplama hakkında bilgi edinin.
7 ii) Bu konuda bir şeyler bilen birinden optimizasyonu öğrenin.