Group SLOPE 的安全筛选规则

变量选择是高维稀疏学习中的一个具有挑战性的问题，尤其是在存在组结构的情况下。Group SLOPE 在预测变量组的自适应选择方面表现良好。然而，Group SLOPE 中的块不可分离组效应使得现有方法要么无效，要么效率低下。因此，Group SLOPE 在实际高维场景中往往产生显著的计算成本和内存消耗。为了解决这一问题，我们为 Group SLOPE 模型引入了一种安全筛选规则，通过处理块不可分离组效应，高效地识别系数为零的非活跃组。在训练过程中排除这些非活跃组后，我们在计算效率和内存使用方面获得了显著提升。重要的是，所提出的筛选规则可以无缝集成到现有的批量和随机算法求解器中。理论上，我们证明了该筛选规则可以与现有优化算法安全地使用，确保与原始方法得到相同的结果。实验结果证实，我们的方法能够有效检测非活跃特征组，并在不损害准确率的前提下显著提升计算效率。