王冠鹏，田万，胡涛

首都师范大学数学科学学院,北京 100048

出版日期:2021-02-25发布日期:2021-04-19

ADMM Algorithmic Regularization Paths for High-Dimensional\\ Sparse Precision Matrix Estimation

WANG Guanpeng, TIAN Wan ,HU Tao

School of Mathematics Science, Capital Normal University, Beijing 100048

Online:2021-02-25Published:2021-04-19







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

考虑预测变量~$p$ 的数量超过样本大小~$n$ 的高维稀疏精度矩阵. 近年来, 由于高维稀疏精度矩阵估计变得越来越流行, 所以文章专注于计算正则化路径, 或者在整个正则化参数范围内解决优化问题. 首先使用定义在正定性约束下最小化Lasso 目标函数精度矩阵估计器, 然后对稀疏精度矩 阵使用乘数交替方向法(ADMM)算法正则化路径, 以快速估计与正则化路径相关联的稀疏模型的序列, 从而进行统计模型 选择. 数值结果表明, 该方法能够快速勾勒出稀疏模型的序列, 不仅克服了计算时间的问题且易于实现, 并且可以在较高分辨率下探索模型空间.

分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=14149