MIP-BOOST：用于线性回归的高效且有效的$L_0$特征选择
统计方法学
2019-10-01 v3
摘要
数学规划的最新进展使混合整数优化成为回归问题中流行正则化方法选择特征的一个有竞争力的替代方案。该方法具有无可置疑的基础吸引力和通用性，但也带来重要挑战。在此我们提出MIP-BOOST，一种标准混合整数规划特征选择的改进，它减轻了调谐关键稀疏性边界参数的计算负担，并在存在特征共线性和性质与强度各异的信号时改善性能。最终成果是一种更高效且有效的特征选择方法，适用于现实规模和复杂性的应用，基于严格的交叉验证调谐和关联混合整数规划的精确优化。计算可行性和在现实情景中改善的性能通过三个独立但协同的提议实现。
引用
@article{arxiv.1808.02526,
title = {MIP-BOOST: Efficient and Effective $L_0$ Feature Selection for Linear Regression},
author = {Ana Kenney and Francesca Chiaromonte and Giovanni Felici},
journal= {arXiv preprint arXiv:1808.02526},
year = {2019}
}
备注
This work has been presented at JSM 2018 (Vancouver, Canada), ISNPS 2018 (Salerno, Italy), and various other conferences