面向特征选择的多阶段凸松弛方法
机器学习
2011-12-06 v2
摘要
近期多项工作研究了使用 Lasso 进行特征选择的有效性。已知在受限等距性质（RIP）下，由于凸松弛的松弛性，Lasso 通常无法精确恢复非零系数集合。本文考虑非凸正则化的特征选择性质，其解由多阶段凸松弛方案给出。在适当条件下，我们证明该过程获得的局部解能够恢复非零系数集合，且不受 Lasso 松弛偏差的影响，这补充了该过程的参数估计结果。
引用
@article{arxiv.1106.0565,
title = {Multi-stage Convex Relaxation for Feature Selection},
author = {Tong Zhang},
journal= {arXiv preprint arXiv:1106.0565},
year = {2011}
}