统计学 > 机器学习
[提交于 2012年4月6日
]
标题: 快速投影到混合范数球及其应用
标题: Fast projections onto mixed-norm balls with applications
摘要: 联合稀疏性为特征选择提供了强大的结构线索,特别是在那些预期表现出“分组”行为的变量方面。 这种行为通常通过组套索(group-lasso)、多任务套索(multitask lasso)及相关方法来建模,在这些方法中,特征选择是通过混合范数实现的。 一些基于混合范数的稀疏模型受到了广泛关注,并且在某些情况下还存在高效的算法。 令人惊讶的是,一些受限的稀疏模型似乎缺乏可扩展的算法。 我们通过提出批量优化和在线(随机梯度)优化方法来解决这一不足,这两种方法都依赖于对混合范数球体的有效投影。 我们通过将这些方法应用于多任务套索来展示它们。 最后,我们提到一些开放性问题。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.