一种利用Screening加速技巧的Lasso算法

摘要：

Lasso(Least absolute shrinkage and selection operator)是目前广为应用的一种稀疏特征选择算法.经典的Lasso算法通过对高维数据进行特征选择一定程度上降低了计算开销,然而,求解Lasso问题目前仍面临诸多困难与挑战,例如当特征维数和样本数量非常大时,甚至无法将数据矩阵加载到主存储器中.为了应对这一挑战,Screening加速技巧成为近年来研究的热点.Screening可以在问题优化求解之前将稀疏优化结果中系数必然为0的无效特征筛选出来并剔除,从而极大地降低数据维度,在不损失问题求解精度的前提下,加速稀疏优化问题的求解速度.首先推导了Lasso的对偶问题,根据对偶问题的特性得出基于对偶多面投影的Screening加速技巧,最后将Screening加速技巧引入Lasso特征选择算法,并在多个高维数据集上进行实验,通过加速比、识别率以及算法运行时间三个指标验证了Screening加速技巧在Lasso算法上的良好性能.

关键词：Lasso算法、Screening加速技巧、稀疏特征选择、高维数据

所属期刊栏目：54

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61273296;江苏省自然科学基金青年基金面上项目BK20140075

在线出版日期：2018-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：135-140