利用网络 Lasso 学习网络化指数族
机器学习
2019-09-26 v6 机器学习
摘要
我们提出网络化指数族，以联合利用网络化数据点的拓扑结构及其属性（特征）中的信息。网络化指数族是针对具有内在网络结构的异构数据集的一种灵活概率模型。这些模型可使用网络 Lasso 高效学习，网络 Lasso 根据内在网络结构和局部似然对数据点进行隐式池化或聚类。所得方法可表述为一个非光滑凸优化问题，我们使用原始-对偶分裂方法求解。该原始-对偶方法对大数据应用颇具吸引力，因为它可作为高度可扩展的消息传递算法实现。
引用
@article{arxiv.1905.09056,
title = {Learning Networked Exponential Families with Network Lasso},
author = {Alexander Jung},
journal= {arXiv preprint arXiv:1905.09056},
year = {2019}
}