補充資料
選讀:OPT 05・近似、統計估計與實驗設計 的補充資料,每則一頁。主線不依賴這些補充資料。
導覽:本頁與本系列: 導覽:本頁與本系列
以下資料為選讀;主線的估計流程不依賴這些內容。
- Logistic 分離與有限估計
凸概似可以沿某個參數方向持續改善,卻沒有有限的最小化點。
參考文獻
-
Stephen Boyd and Lieven Vandenberghe, Convex Optimization, Cambridge University Press, 2004. 閱讀:第 6 章第 6.1–6.5 節;第 7 章第 7.1–7.5 節。 官方書頁,免費 PDF。
-
SciPy developers, “scipy.optimize.minimize” and “scipy.optimize.minimize_scalar,” SciPy API documentation, accessed 2026. 多變數介面,純量介面。
-
SciPy developers, “scipy.optimize.linprog,” SciPy API documentation, accessed 2026. 官方文件。
-
Sebastian Pokutta, “The Frank-Wolfe Algorithm: A Short Introduction,” Jahresbericht der Deutschen Mathematiker-Vereinigung, 126, 2024. 開放綜述。
-
Michael Schaller, Alberto Bemporad and Stephen Boyd, “Learning Parametric Convex Functions,” manuscript, 2025. 官方手稿頁。
-
SAS Institute, “Existence of Maximum Likelihood Estimates,” SAS/STAT 12.1 User’s Guide, 查閱日期:2026-11-05。官方文件.