套索

hgasso:使用hubs学习图形模型:通过使用hubs学习图形模型实现hub图形套索和hub协方差图提案。我们考虑学习一个高维图形模型的问题,在这个模型中有几个中心节点与许多其他节点紧密连接。为了在高维环境下学习稀疏图,许多作者研究了使用ξ1惩罚来学习稀疏图。然而,ξ1惩罚隐含地假设每个边的可能性相等,并且独立于所有其他边。我们提出了一个通用的框架,以适应更现实的网络与枢纽节点,使用一个凸公式涉及行-列重叠范数惩罚。我们将这个通用框架应用于三个广泛使用的概率图形模型:高斯图形模型、协方差图模型和二进制Ising模型。采用交替方向乘子算法求解相应的凸优化问题。在合成数据上,我们证明了我们提出的框架优于没有显式建模集线器节点的竞争对手。我们用网页数据集和基因表达数据集来说明我们的建议。