稀疏矩阵分解中的超参数自动调优
机器学习
2023-05-18 v1 无序系统与神经网络
信息论
机器学习
math.IT
摘要
我们研究了贝叶斯框架下稀疏矩阵分解中的超参数调优问题。在先前的工作中，通过变分贝叶斯方法在若干近似下获得了带拉普拉斯先验的稀疏矩阵分解的解析解。基于该解，我们提出了一种新的超参数调优数值方法，通过评估稀疏矩阵先验中归一化因子的零点来实现。我们还将该方法与广泛使用的稀疏主成分分析算法进行比较，验证了其在真实稀疏矩阵重构中的优异性能。
引用
@article{arxiv.2305.10114,
title = {Automatic Hyperparameter Tuning in Sparse Matrix Factorization},
author = {Ryota Kawasumi and Koujin Takeda},
journal= {arXiv preprint arXiv:2305.10114},
year = {2023}
}
备注
13 pages, 5 figures