如需要完整文档点击下方 "点击下载文档" 按钮

Lasso是机器学习中比较常用的一种变量选择方法,适用于具有稀疏性的回归问题. 当样本量巨大或者海量的数据存储在不同的机器上时,分布式计算是减少计算时间提高效率的重要方式之一.本文在给出Lasso模型等价优化模型的基础上,将ADMM算法应用到此优化变量可分离的模型中,构造了一种适用于Lasso变量选择的分布式算法,证明了该算法的收敛性; 同时, 我们通过数值实验,将本文构造的分布式算法与循环坐标下降法和ADMM算法进行了比较分析,结果显示在处理样本集大的稀疏性回归问题时,本文提出的算法的计算时间和误差都小于其他两种算法.

如需要完整文档点击下方 "点击下载文档" 按钮

《Lasso变量选择的分布式算法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：321932

点击下载文档