有向主成分分析

@文章{Kao2014DirectedPC，title={定向主成分分析}，author={Yi-Hoo Kao和Benjamin Van Roy}，日志={操作结果}，年份={2014}，体积={62}，页码={957-972}，网址={https://api.semanticscholar.org/CorpusID:17546371}}
本文提出了有向PCA，这是一种在估计协方差矩阵时考虑决策目标的有效算法，并证明了理论结果，证明了与传统PCA相比，改进程度可以任意大。
通过Publisher查看
web.stanford.edu网站
15引文
极具影响力的引文
2
背景引文
三
方法引文
4
结果引文
1

本文图表

15引文

决策驱动的规则化：协调预测性和规定性

这项工作引入了正则化器的概念，该正则化器根据决策过程中产生的成本来衡量预测模型的价值，并以学习问题中的偏差-方差权衡不会被后续决策问题线性转换为前提为中心。

决策驱动正则化——一种用于预测-优化的混合模型

本文提出了一个混合预测-优化框架，该框架可能会导致对结果的偏差预测，但可以将优化问题巧妙地纳入预测阶段，并提出了混合模型，该模型在数值上显示出在低误判情况下优于SPO+。

均值-方差投资组合优化中的降维

基于决策的模型选择

迭代价值软件模型学习

一种新的基于模型的强化学习（MBRL）框架，该框架在学习环境过渡模型时纳入了潜在的决策问题，称为迭代VAML，该框架受益于如何执行规划的结构（即通过近似值迭代），以设计一个更简单的优化问题。

具有隐藏相关性的多部件系统剩余寿命预测

针对一种新型的基于状态空间的模型，提出了一种在线RUL预测方法，该方法可以在扩散系数矩阵中反映不同退化之间的相关性。

基于多个相关退化过程的在线预测

对于长寿命工业设备，在线预测可以实时预测系统的剩余使用寿命（RUL），为设备的维护提供有效的参考…

将数据和决策科学结合起来进行分析

本教程涵盖了统计建模与优化建模、统计近似优化、基于采样的算法以及学习型优化中模型评估与选择的融合的基本概念。

基于Option-critic的多属性Ad Hoc网络路由选择

一种基于强化学习的Ad Hoc网络多属性决策路由算法，该算法不仅具有更好的收敛性，而且在路由属性优先的情况下，比传统的多属性算法更快地找到更好的路径。

一种考虑源-脊-库一体化的复杂电网投资决策方法

随着可再生能源在全球的广泛使用，其随机性和波动性对电网的影响越来越大。为了促进可再生能源的消耗，传统电网…

28参考文献

稀疏主成分分析

本文介绍了一种新的方法，称为稀疏主成分分析（SPCA），使用套索（弹性网）产生具有稀疏载荷的修正主成分，并表明PCA可以表示为回归型优化问题。

高维主成分分析的一致性和稀疏性

给出了一种选择样本方差最大的坐标子集的简单算法，并证明了如果对所选子集进行主成分分析，即使p（n）≫n，也可以恢复一致性。

稀疏主成分半定松弛的高维分析

本文分析了一种简单且计算成本低廉的对角线截止法，并建立了成功与失败分离的阶数thetasdiag=n/[k2 log（p-k）]的阈值，并证明了当样本大小大于标准时，由dpsilaAspremont等人引起的更复杂的半定规划（SDP）松弛是成功的。

稳健的主成分分析？

证明了在适当的假设下，通过求解一个非常方便的凸规划——主成分追踪，可以准确地恢复低秩和稀疏分量；在所有可行的分解中，这表明了采用原则方法进行稳健主成分分析的可能性。

随机优化的稳健均值协方差解

证明了对于一类一般的目标函数，鲁棒解相当于求解一类确定性参数二次规划，并证明了具有给定均值和协方差的多元分布的一般投影性质。

基于LASSO的改进主成分技术

引入了一种新技术，借用了Tibshirani在多元回归背景下提出的一种思想，在多元回归中，在解释回归方程时出现了类似的问题，其中引入了系数绝对值之和的一个界，其中一些系数因此变为零。

污染数据的主成分分析：高维情形

一种高维稳健主成分分析（HR-PCA）算法，具有易处理性、对污染点鲁棒性、易于核化等特点，并在污染点比例为零的极限情况下达到最优。

稀疏主成分分析

研究了一种简单的“稀疏PCA”算法，并以一些运动心电图数据为例进行了说明，证明了在单因子模型中，在适当的稀疏性假设下，它可以得到主因子的一致估计。

矩不确定性下的分布稳健优化及其在数据驱动问题中的应用

本文提出了一个模型，该模型描述了分布形式（离散、高斯、指数等）和矩（均值和协方差矩阵）的不确定性，并证明了对于广泛的成本函数，可以有效地求解相关的分布稳健随机规划。

稳健投资组合选择问题

本文介绍了市场参数的“不确定性结构”，并表明与这些不确定性结构相对应的稳健投资组合选择问题可以重新表述为二阶锥规划，因此，求解它们所需的计算工作量与求解凸二次规划所需的计算工作量相当。