使用 $L_0$ 方法的 $L_p$ 保序回归算法
数据结构与算法
2023-07-03 v3
摘要
流算法的重要进展改变了各类 保序回归算法方法的相对性能。我们展示一种简单的插件方法，以系统性地纳入此类进展以及确定 violator dag 的进展，且不对算法结构作任何假设。该方法基于 （汉明距离）保序回归的标准算法（通过在 violator dag 中寻找反链），并结合基于二值 保序回归的划分。对于几类重要图，这些算法在 O 记号下已快于先前发表的算法，接近或达到下界，且显著快于统计软件包中实现的算法。我们考虑 回归（ 与 ）及多种序关系的精确与近似结果。
引用
@article{arxiv.2107.00251,
title = {$L_p$ Isotonic Regression Algorithms Using an $L_0$ Approach},
author = {Quentin F. Stout},
journal= {arXiv preprint arXiv:2107.00251},
year = {2023}
}
备注
Remove mistaken mistaken in abstract about unweighted points in $d$-dimensional space. Added references, revised paper to make it more readable Revised material to make some sections clearer. Replaced Gau, Liu, Peng paper with van den Brend, Lee, Liu, Saranurak, Sidford, Song, Wang, D (i.e., did exactly what paper shows, namely plug and play, replace flow algorithm when better one appears)