在线Group Lasso学习
Group Lasso Online Learning作者机构：西北大学数学学院西安710127 西北工业大学机电学院西安710072
出 版 物：《工程数学学报》 (Chinese Journal of Engineering Mathematics)
年 卷 期：2023年第40卷第2期
页 面：310-320页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金—广东省大数据重大项目(U1811461) 陕西省自然科学基金(2021JQ-429)
主 题：机器学习 Group Lasso 在线学习 逻辑斯蒂回归
摘 要：对高维流式数据的在线组变量选择问题进行了研究,提出了带Group Lasso惩罚的逻辑斯蒂回归在线估计方法,并给出了GFTPRL(Group Follow the Proximally Regularized Leader)算法。通过给出GFTPRL算法的缺憾界,证明了算法在理论上是有效的。实验结果表明,对于稀疏模型GFTPRL算法的预测分类准确率明显优于其他主流稀疏在线算法。
维普期刊数据库
同方期刊数据库