路径阈值化：渐近无需调节参数的高维稀疏回归
统计理论
2014-02-25 v1 信息论
math.IT
机器学习
统计理论
摘要
在本文中，我们解决了高维稀疏回归中选择调节参数的难题。我们提出了一种简单且计算高效的方法，称为路径阈值化（PaTh），该方法可将任何依赖调节参数的稀疏回归算法转化为渐近无需调节参数的稀疏回归算法。更具体地说，我们证明了在问题规模变大（变量数量和观测数量增加）时，在适当条件下，PaTh 无需指定调节参数即可执行准确的稀疏回归。在有限维设置中，我们展示了 PaTh 可以通过显著减少调节参数的搜索空间来减轻模型选择算法的计算负担。
引用
@article{arxiv.1402.5584,
title = {Path Thresholding: Asymptotically Tuning-Free High-Dimensional Sparse Regression},
author = {Divyanshu Vats and Richard G. Baraniuk},
journal= {arXiv preprint arXiv:1402.5584},
year = {2014}
}
备注
AISTATS 2014