基于复本方法的稀疏估计广义自由度评估
信息论
2017-01-04 v2 math.IT
摘要
我们提出了一种利用复本方法评估广义自由度（GDF）——模型选择准则的关键量——的方法，用于带稀疏正则化的线性回归。使用复本方法，GDF由表征自由能鞍点的变量表示，且不依赖于正则化形式。在复本对称（RS）分析框架内，GDF被赋予物理意义，即非零分量的有效密度。我们的方法在RS相中的有效性由我们的结果与先前数学结果的一致性所支持。RS相中的解析结果通过置信传播算法在数值上实现。
引用
@article{arxiv.1602.06506,
title = {Evaluation of Generalized Degrees of Freedom for Sparse Estimation by Replica Method},
author = {Ayaka Sakata},
journal= {arXiv preprint arXiv:1602.06506},
year = {2017}
}