用于保序回归与趋势滤波的原对偶主动集方法
最优化与控制
2016-04-05 v2 机器学习
摘要
保序回归（IR）是监督学习中使用的一种非参数校准方法。为了执行大规模 IR，我们提出了一种原对偶主动集（PDAS）算法，与最先进的池相邻违例者（PAV）算法相比，该算法可以并行化且易于热启动，因此非常适合在线环境。我们证明，与 PAV 算法一样，我们用于 IR 的 PDAS 算法是收敛的，且工作复杂度为 O(n)，尽管我们的数值实验表明我们的 PDAS 算法通常比 PAV 更快。此外，我们提出了用于解决相关趋势滤波（TF）问题的 PDAS 变体（带有确保收敛的保护措施），并提供了实验结果以说明其有效性。
引用
@article{arxiv.1508.02452,
title = {Primal-Dual Active-Set Methods for Isotonic Regression and Trend Filtering},
author = {Zheng Han and Frank E. Curtis},
journal= {arXiv preprint arXiv:1508.02452},
year = {2016}
}