离散潜在因子模型的数值凸性规划
最优化与控制
2025-06-27 v2 计算工程、金融与科学
机器学习
摘要
离散潜在因子模型（DLFMs）在机器学习、经济学、神经科学、心理学等诸多领域广泛应用。目前，针对特定数据集拟合DLFM模型依赖于针对单个模型定制的求解器，实现成本高昂且仅限于特定类型的DLFM。本文提出一种基于CVXPY的通用框架，允许用户在简短脚本中指定并求解广泛范围DLFM的拟合问题，包括回归模型和分类模型。该框架灵活且天然支持对DLFM参数和潜在因子施加正则化项和约束，用户可根据数据集和应用场景轻松原型化DLFM结构。我们介绍开源Python实现并通过多个示例说明该框架。
引用
@article{arxiv.2504.01431,
title = {Multi-convex Programming for Discrete Latent Factor Models Prototyping},
author = {Hao Zhu and Shengchao Yan and Jasper Hoffmann and Joschka Boedecker},
journal= {arXiv preprint arXiv:2504.01431},
year = {2025}
}