ML—线性回归系列(四)—lasso&mtl
来源:互联网 发布:阿里云公共dns 编辑:程序博客网 时间:2024/04/28 16:01
华电北风吹
日期:2015/11/25
本文主要对套索回归(lasso)进行总结。
本系列的第一篇中线性回归的转化为如下的无约束优化问题
其中,
其中
一、Least Absolute Shrinkage and Selection Operator(lasso)
基本的lasso目标函数为
与之等价的矩阵形式表述为
相比于线性回归,这里多了一项正则项参数—L1范数,不同于岭回归的L2范数,这里加了L1范数以后,最后得到的
二、标准的多任务学习
在对疾病进行分类的时候,会采取他的EEG信号和MRI信号,来对病人病情进行判别。当然我们可以对EEG信号和MRI信号分别抽取特征,分别建立一个分类器。但是这样往往会损失他们不同模态之间的信息。这时候就可以使用多任务学习的方法,对模型进行特征选择。
标准的多模特征选择基于L2,1范数,假设有k个任务时,如下图
目标函数为
需要注意这里的符号与前面的表述稍微有点区别。
与之等价的矩阵形式为(来自于SLEP manual,这里我认为有错,保留)
其中
补充:矩阵的L2,1范数定义如下
三、参考资料
更多参考资料http://www.yelab.net/software/SLEP/index.htm
- ML—线性回归系列(四)—lasso&mtl
- ML—线性回归系列(一)—线性回归
- ML—线性回归系列(三)—岭回归
- ML—线性回归系列(二)—基础统计
- 理解线性回归(四)——总结线性回归
- 【ML算法】回归拟合——线性回归
- 学习spark ml源码——线性回归
- Spark-ML 线性回归 LinearRegression (1)
- 【ML】单一线性回归
- 【ML】多元线性回归
- Spark Mllib 回归学习笔记一(java):线性回归(线性,lasso,岭),广义回归
- 多重共线性的解决方法之——岭回归与LASSO
- 多重共线性的解决方法之——岭回归与LASSO
- 线性模型(三)--ridge、lasso、ElasticNet回归
- 机器学习->监督学习->线性回归(LASSO,Ridge,SGD)
- 初学ML笔记N0.1——线性回归,分类与逻辑斯蒂回归,通用线性模型
- TensorFlow系列(1)——建立线性回归模型
- [ML笔记]多元线性回归
- lamp配置(ubuntu sever)
- 101.Oracle数据库SQL开发之 表——创建表
- 快学Scala读书笔记之 Chapter 10、11(特质和操作符)
- 给学弟学妹的IO流教程
- 前端开发工程化探讨--基础篇
- ML—线性回归系列(四)—lasso&mtl
- Android开发环境搭建(Eclipse for MAC)
- 面试常见问题及相关答案整理(持续更新中)
- 前端框架
- 102.Oracle数据库SQL开发之 表——获得有关表的信息
- c语言基础总结(一)
- Yaroslav and Permutations
- android studio AIDL使用方法。
- HDU1166(树状数组)