含噪条目的矩阵补全
机器学习
2012-04-10 v2 机器学习
摘要
给定一个低秩矩阵 M，我们考虑从其条目的一小部分随机子集的含噪观测中重构该矩阵的问题。该问题出现在各种应用中，从协同过滤（“Netflix 问题”）到运动恢复结构和定位。我们研究了一种由 Keshavan 等人 (2009) 提出的低复杂度算法，该算法基于谱技术和流形优化的组合，我们在此称之为 OptSpace。我们证明了其性能保证在多种情况下是阶数最优的。
引用
@article{arxiv.0906.2027,
title = {Matrix Completion from Noisy Entries},
author = {Raghunandan H. Keshavan and Andrea Montanari and Sewoong Oh},
journal= {arXiv preprint arXiv:0906.2027},
year = {2012}
}
备注
22 pages, 3 figures