稀疏化模型研究是人工智能领域研究的热点之一。对于该问题Lasso模型忽略了变量之间的组结构,只能实现分散的变量选择;Group Lasso也只能实现变量组选择。本研究提出Group Logarithm模型,该模型能同时进行变量组选择和组内的变量选择,并利用局部坐标下降算法求解Group Logarithm模型。最后,通过实验说明了该模型具有更优越的预测准确性和变量选择稀疏性。
科研之友
微信
新浪微博
Facebook
分享链接
