多组稀疏判别分析中的最优变量选择
机器学习
2021-04-01 v1
摘要
本文考虑了变量数 大于观测数 情形下的多组分类问题。文献中已提出几种方法来解决这一问题，然而它们的变量选择性能要么未知，要么不如两组情形下的已知结果。在本工作中，我们利用 Gaynanova 等人 (2014) 提出的判别分析方案，为多组情形下相关变量的一致性恢复提供了尖锐条件。我们实现的收敛速率达到了样本量 、变量数 和稀疏度 的最优缩放比例。这些速率显著快于多组情形下已知的最佳结果。此外，它们与两组情形下的最优极小极大速率一致。我们通过数值分析验证了理论结果。
引用
@article{arxiv.1411.6311,
title = {Optimal variable selection in multi-group sparse discriminant analysis},
author = {Irina Gaynanova and Mladen Kolar},
journal= {arXiv preprint arXiv:1411.6311},
year = {2021}
}
备注
22 pages, 2 figures