预算约束下的推荐：基于随机或主动采样从部分观测条目恢复列空间
机器学习
2021-05-18 v2 信息检索
机器学习
摘要
我们分析了用于恢复部分观测、近似低秩矩阵的列空间的交替最小化方法，该矩阵列数不断增长且每列具有固定的观测预算。在这项工作中，我们证明如果预算大于矩阵的秩，列空间恢复就会成功——随着列数增长，交替最小化得到的估计以趋于1的概率收敛到真实的列空间。从我们的证明技术中，我们自然地提出了一种用于选择列中条目的主动采样策略，该策略在理论上和实证上（在合成与真实数据上）均优于通常研究的均匀随机采样策略。
引用
@article{arxiv.2002.11589,
title = {Recommendation on a Budget: Column Space Recovery from Partially Observed Entries with Random or Active Sampling},
author = {Carolyn Kim and Mohsen Bayati},
journal= {arXiv preprint arXiv:2002.11589},
year = {2021}
}
备注
A shorter version is accepted to AISTATS