原始对偶速率与证书
机器学习
2016-06-06 v2 最优化与控制
摘要
我们提出了一个与算法无关的框架，用原始对偶证书装备现有的优化方法。此类证书及相应的收敛速率保证对于从业者诊断进展非常重要，特别是在机器学习应用中。我们获得了新的原始对偶收敛速率，例如对于Lasso以及许多L1、弹性网络、组Lasso和TV正则化问题。该理论适用于任何范数正则化的广义线性模型。我们的方法提供了可有效计算的、全局定义的对偶间隙，且不在感兴趣区域内修改原始问题。
引用
@article{arxiv.1602.05205,
title = {Primal-Dual Rates and Certificates},
author = {Celestine Dünner and Simone Forte and Martin Takáč and Martin Jaggi},
journal= {arXiv preprint arXiv:1602.05205},
year = {2016}
}
备注
appearing at ICML 2016 - Proceedings of the 33rd International Conference on Machine Learning, New York, NY, USA, 2016. JMLR: W&CP volume 48