稀疏支持向量无限推

Alain Rakotomamonjy

稀疏支持向量无限推

机器学习 2012-07-03 v1 计算工程、金融与科学机器学习

作者: Alain Rakotomamonjy

摘要

在本文中，我们解决了列表顶部排序问题的嵌入式特征选择。我们将该问题表述为带有p-范数推损失函数(p=∞)和稀疏诱导正则化器的正则化经验风险最小化。我们通过考虑一种基于损失函数和正则化器近端算子的交替方向乘子法算法来利用与此具有挑战性的优化问题相关的问题。我们的主要技术贡献是提供了一种计算无限推损失函数近端算子的数值方案。在玩具、DNA微阵列和BCI问题上的实验结果表明，我们的新算法在使用更少的评分函数变量的情况下，在顶部排序方面优于竞争对手。

关键词

特征选择排序稀疏支持向量机无限推损失近端算子交替方向乘子法嵌入式特征选择

引用

@article{arxiv.1206.6432,
  title  = {Sparse Support Vector Infinite Push},
  author = {Alain Rakotomamonjy},
  journal= {arXiv preprint arXiv:1206.6432},
  year   = {2012}
}

备注

Appears in Proceedings of the 29th International Conference on Machine Learning (ICML 2012)

稀疏支持向量无限推

摘要

关键词

引用

备注

相关论文