组套索
组套索正则化器是一种在机器学习和统计中实现结构化稀疏性的众所周知的方法。 这个想法是创建协变量的非重叠组，并恢复其中只有这些协变量组的稀疏集合具有非零分量的回归权重。
有几个原因说明为什么这可能是一个好主意。 例如，假设我们有一组传感器，并且这些传感器中的每一个都会生成五个测量值。 我们不想保留不必要的传感器数量。 如果我们尝试正常的LASSO回归，那么我们将获得稀疏分量。 但是，这些稀疏分量可能不对应于一组稀疏传感器，因为它们各自生成五个测量值。 如果我们改为使用LASSO组，并将测量结果按被测量的传感器分组，那么我们将获得一组稀疏的传感器。
组套索正则化器的扩展是稀疏组套索正则化器 ，它强加了按组稀疏性和按系数稀疏性。 这是通过将组套索罚分与传统套索罚分相结合来完成的。 在该库中，我实现了一个完全兼容scikit-learn API的高效稀疏组套索求解器。
关于这个项目
2021-10-15 16:43:44
43KB
1
1.安装失败或无法安装时。
2.如何调整分辨率和色版呢？
3.出现“程序执行错误，请关闭！”或不出现图片，画面变黑。
4.执行后若初现〈file not found〉或当机的现象。
5.没有语音的检查方法。
6.文字显现并不完整。
7.未查过任何单字。
8.念课文时，有些反白的字看不清楚。
9.出现〈Error in loading DLL〉
10.出现〈incorrect database version〉
11.中文出现的都是内码。
12.单字音标显示不正常。
by ysyy yisuo yuyan english
2021-10-02 12:01:21
612.56MB
1
求解套索的广义阻尼牛顿法-GDNM
在，我们提出了一种新的算法，用于，这是形式的优化问题
可以在文件GDNM.m或更低版本中找到该算法的Matlab代码。
输入值
function x = lasso_GDNM ( A , b , mu )
为简单起见，我们选择\ beta = 1/2和\ sigma = 0.1。 y ^ 0的选择可以在下面的迭代步骤中找到。
查找伽玛。
ATA = A '* A ;
gamma = 0.5 / eigs ( ATA , 1 ) ;
计算近端贴图
function [ value , zeros_index ] = prox_of_function ( gamma , y , mu )
value = [ ] ;
zeros_index = [ ] ;
for i = 1 :lengt
2021-09-27 10:36:57
3KB
1