Scifaro

中文

具有图结构稀疏性的线性预测的信息论极限

机器学习 2018-11-19 v2 信息论 math.IT 机器学习

作者: Adarsh Barik , Jean Honorio , Mohit Tawarmalani

在 arXiv 上查看 ↗ PDF ↗

摘要

我们分析了在含噪线性预测设置中稀疏向量恢复所需的样本数量。该模型包含诸如线性回归与分类等问题。我们关注结构化图模型。特别地，我们证明了 Hegde 等人提出的加权图模型所需的样本数也是必要的。我们使用在精心构造的集合上的 Fano 不等式作为建立信息论下界的主要工具。

关键词

线性预测图结构稀疏性稀疏向量恢复信息论极限加权图模型 Fano 不等式样本复杂度

引用

@article{arxiv.1701.07895,
  title  = {Information Theoretic Limits for Linear Prediction with Graph-Structured Sparsity},
  author = {Adarsh Barik and Jean Honorio and Mohit Tawarmalani},
  journal= {arXiv preprint arXiv:1701.07895},
  year   = {2018}
}