一种用于精度矩阵估计的改进修正Cholesky分解方法
机器学习
2021-11-23 v2
摘要
修正Cholesky分解通常用于在给定随机变量特定顺序下的精度矩阵估计。然而，变量的顺序通常是未知的或无法预先确定的。在这项工作中，我们提出解决稀疏精度矩阵估计中修正Cholesky分解的变量顺序问题。核心思想是有效地结合从变量顺序的多种排列中获得的一组估计，并通过集成Cholesky因子矩阵上的阈值技术，有效地促进最终估计的稀疏结构。在一些较弱的正则性条件下，建立了所提出估计的相合性。通过模拟研究评估了所提出方法与几种现有方法的性能比较。所提出的方法还被应用于实际数据的线性判别分析以进行分类。
引用
@article{arxiv.1710.05163,
title = {An Improved Modified Cholesky Decomposition Method for Precision Matrix Estimation},
author = {Xiaoning Kang and Xinwei Deng},
journal= {arXiv preprint arXiv:1710.05163},
year = {2021}
}