論文の概要: Efficient Path Algorithms for Clustered Lasso and OSCAR
- arxiv url: http://arxiv.org/abs/2006.08965v1
- Date: Tue, 16 Jun 2020 07:43:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 20:03:29.687431
- Title: Efficient Path Algorithms for Clustered Lasso and OSCAR
- Title（参考訳）: クラスタ化ラッソとOSCARの効率的な経路アルゴリズム
- Authors: Atsumori Takahashi and Shunichi Nomura
- Abstract要約: 本稿では,クラスタリングされたLassoとOSCARのための効率的な経路アルゴリズムを提案する。
提案アルゴリズムは数値実験において既存のアルゴリズムよりも効率的であることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In high dimensional regression, feature clustering by their effects on
outcomes is often as important as feature selection. For that purpose,
clustered Lasso and octagonal shrinkage and clustering algorithm for regression
(OSCAR) are used to make feature groups automatically by pairwise $L_1$ norm
and pairwise $L_\infty$ norm, respectively. This paper proposes efficient path
algorithms for clustered Lasso and OSCAR to construct solution paths with
respect to their regularization parameters. Despite too many terms in
exhaustive pairwise regularization, their computational costs are reduced by
using symmetry of those terms. Simple equivalent conditions to check
subgradient equations in each feature group are derived by some graph theories.
The proposed algorithms are shown to be more efficient than existing algorithms
in numerical experiments.
- Abstract（参考訳）: 高次元回帰では、結果に対する特徴クラスタリングは、しばしば特徴の選択と同じくらい重要である。
その目的のために、回帰のためのクラスタ化ラッソと八角形収縮とクラスタリングアルゴリズム(OSCAR)を用いて、それぞれペアワイズ$L_1$ノルムとペアワイズ$L_\infty$ノルムで特徴群を自動的に作成する。
本稿では,クラスタ化されたlassoとoscarに対する効率的な経路アルゴリズムを提案し,それらの正規化パラメータに対して解経路を構築する。
完全対正則化における多くの項にもかかわらず、それらの項の対称性を用いることで計算コストは削減される。
各特徴群における劣次方程式をチェックするための単純な等価条件は、いくつかのグラフ理論によって導かれる。
提案アルゴリズムは数値実験において既存のアルゴリズムよりも効率的であることが示されている。
関連論文リスト
- A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。
提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
論文 参考訳（メタデータ） (2024-09-07T06:37:23Z) - A unified consensus-based parallel ADMM algorithm for high-dimensional
regression with combined regularizations [3.280169909938912]
並列交互乗算器 (ADMM) は大規模分散データセットの処理に有効であることが広く認識されている。
提案アルゴリズムは,財務事例の信頼性,安定性,スケーラビリティを示す。
論文 参考訳（メタデータ） (2023-11-21T03:30:38Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:11:56Z) - Projection-Free Online Convex Optimization via Efficient Newton
Iterations [10.492474737007722]
本稿では、凸領域$mathcalKサブセットmathbbRd$に対するオンライン凸最適化(OCO)のための新しいプロジェクションフリーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-06-19T18:48:53Z) - A Survey of Numerical Algorithms that can Solve the Lasso Problems [2.538209532048867]
統計学において、最小絶対収縮・選択演算子 (Lasso) は、変分選択と正則化の両方を実行する回帰法である。
ラッソにおける目的関数を最適化する5つの代表アルゴリズムを要約する。
論文 参考訳（メタデータ） (2023-03-07T01:12:59Z) - HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。
HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文 参考訳（メタデータ） (2022-10-31T14:06:11Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Hybrid Trilinear and Bilinear Programming for Aligning Partially
Overlapping Point Sets [85.71360365315128]
多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。
まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。
次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
論文 参考訳（メタデータ） (2021-01-19T04:24:23Z) - Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。
任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
論文 参考訳（メタデータ） (2020-11-26T18:22:21Z) - An Exact Solution Path Algorithm for SLOPE and Quasi-Spherical OSCAR [0.0]
そこで本研究では,SLOPEの最適化重み付けにおける解の完全かつ正確な経路を提供する解経路アルゴリズムを提案する。
また、機能クラスタリングのための正規化シーケンス$lambda$の新しい設計を提案し、これは、回帰(QS-OSCAR)のための準球面および八角形収縮およびクラスタリングアルゴリズムと呼ばれる。
論文 参考訳（メタデータ） (2020-10-29T12:03:22Z) - Certifying clusters from sum-of-norms clustering [13.747619681451875]
本稿では,近似解から正しいクラスタ割り当てを同定し,証明するクラスタリングテストを提案する。
提案手法では, クラスタ割り当てが, 十分に多くの繰り返しを経て, 原始二重経路追従アルゴリズムによって保証されることが保証されていることを示す。
論文 参考訳（メタデータ） (2020-06-19T20:26:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。