lasso型问题中剔除预测变量的强规则

Robert Tibshirani; Jacob Bien; Jerome Friedman; Trevor Hastie; Noah Simon; Jonathan Taylor; Ryan J. Tibshirani

lasso型问题中剔除预测变量的强规则

统计理论 2010-11-25 v2 机器学习统计理论

作者: Robert Tibshirani , Jacob Bien , Jerome Friedman , Trevor Hastie , Noah Simon , Jonathan Taylor , Ryan J. Tibshirani

在 arXiv 上查看 ↗ PDF ↗

摘要

为了提高计算效率，我们考虑了在lasso回归及相关问题中剔除预测变量的规则。El Ghaoui等人(2010)提出了“SAFE”规则，该规则基于每个预测变量与结果的内积，保证该系数在解中为零。本文提出了强规则，这些规则并非万无一失，但在实践中很少失效。这些规则可以辅以对Karush-Kuhn-Tucker (KKT)条件的简单检查，从而提供安全的规则，在各种统计凸优化问题中实现显著的速度和空间节省。

关键词

lasso回归预测变量剔除强规则 SAFE规则 KKT条件凸优化

引用

@article{arxiv.1011.2234,
  title  = {Strong rules for discarding predictors in lasso-type problems},
  author = {Robert Tibshirani and Jacob Bien and Jerome Friedman and Trevor Hastie and Noah Simon and Jonathan Taylor and Ryan J. Tibshirani},
  journal= {arXiv preprint arXiv:1011.2234},
  year   = {2010}
}

备注

5

lasso型问题中剔除预测变量的强规则

摘要

关键词

引用

备注

相关论文