通过非凸惩罚实现高维迁移学习中的同步估计与数据集选择
统计方法学
2024-11-13 v3
摘要
在本文中，我们提出借助非凸惩罚，针对高维迁移学习问题同时估计模型参数并识别有信息量的源数据集，这与现有文献中分开的有用数据集选择和迁移学习流程形成对比。为从数值上求解关于两个特定统计模型（即稀疏线性回归和广义低秩迹回归模型）的非凸问题，我们采用凸差（DC）规划结合交替方向乘子法（ADMM）流程。我们从统计和计算两个角度理论上论证了所提算法的合理性。报告了大量数值结果以验证理论断言。我们开发了 \texttt{R} 包 \texttt{MHDTL} 来实现所提方法。
引用
@article{arxiv.2306.04182,
title = {Simultaneous Estimation and Dataset Selection for Transfer Learning in High Dimensions by a Non-convex Penalty},
author = {Zeyu Li and Dong Liu and Yong He and Xinsheng Zhang},
journal= {arXiv preprint arXiv:2306.04182},
year = {2024}
}