压缩感知或稀疏编码是学习数据的稀疏表示。 最简单的方法是使用带有 L1 正则化的线性回归。 虽然这个包为稀疏编码问题提供了贝叶斯处理。 它使用变分贝叶斯来训练模型。 稀疏编码问题被建模为具有稀疏先验（自动相关性确定，ARD）的线性回归，也称为相关向量机（RVM）。 优点是可以自动进行模型选择。 因此，无需手动指定正则化参数（从数据中学习），可以获得更好的稀疏恢复。 请运行包中的演示脚本试一试。
2022-05-09 11:20:56
3KB
1
sklearn-rvm：相关矢量机（RVM）的sklearn样式实现
2021-09-08 21:09:55
126KB
1
新的回归向量机，用于回归拟合，相关论文可以参考sparse bayesian learning and relevance vector machine
2021-06-22 08:46:53
3.22MB
1