10.3969/j.issn.1005-3085.2023.02.010
在线Group Lasso学习
对高维流式数据的在线组变量选择问题进行了研究,提出了带Group Lasso惩罚的逻辑斯蒂回归在线估计方法,并给出了 GFTPRL(Group Follow the Proximally Regularized Leader)算法.通过给出GFTPRL算法的缺憾界,证明了算法在理论上是有效的.实验结果表明,对于稀疏模型GFTPRL算法的预测分类准确率明显优于其他主流稀疏在线算法.
机器学习、Group Lasso、在线学习、逻辑斯蒂回归
40
TP181(自动化基础理论)
国家自然科学基金;陕西省自然科学基金
2023-04-21(万方平台首次上网日期,不代表论文的发表时间)
共11页
310-320