关于鲁棒回归与子空间估计中饱和损失函数的精确最小化
机器学习
2019-04-22 v2 机器学习
摘要
本文处理鲁棒回归与子空间估计，更确切地说，处理最小化饱和损失函数的问题。我们特别关注计算复杂度问题，并证明可针对鲁棒回归与子空间估计设计一种关于数据量具有多项式时间复杂度的精确算法。该结果通过采用分类视角并将问题关联于寻找能以给定误差逼近最大点数目的线性模型而获得。文中亦讨论了基于随机采样的算法的近似变体，实验表明其在与传统 RANSAC 相似的算法简单性下提供了精度增益。
引用
@article{arxiv.1806.05833,
title = {On the exact minimization of saturated loss functions for robust regression and subspace estimation},
author = {Fabien Lauer},
journal= {arXiv preprint arXiv:1806.05833},
year = {2019}
}
备注
Pattern Recognition Letters, Elsevier, 2018