基于基尼正则的最优传输及其在时空预测中的应用
机器学习
2017-12-08 v1 机器学习
摘要
快速扩张的产品线和服务要求考虑地理区域的更细粒度预测。然而一个开放性问题依然存在：如何评估时空预测的质量？在本稿中，我们引入一种度量来评估时空预测。该度量基于一个最优传输（OT）问题。我们提出的度量是以基尼不纯度函数作为正则化项的约束OT目标函数。我们通过计算机实验展示了基尼正则化OT问题的定性与定量特征。此外，我们表明当将基尼正则化问题视为正则化参数λ的函数时，基尼正则化OT问题收敛到经典OT问题。其向经典OT解的收敛速度快于最先进的熵正则化OT[Cuturi, 2013]，并得到一个数值上更稳定的算法。
引用
@article{arxiv.1712.02512,
title = {Gini-regularized Optimal Transport with an Application to Spatio-Temporal Forecasting},
author = {Lucas Roberts and Leo Razoumov and Lin Su and Yuyang Wang},
journal= {arXiv preprint arXiv:1712.02512},
year = {2017}
}
备注
10 pages