LowRankModels公司

低伦克模特。jl是一个用于建模和拟合广义低阶模型(GLRMs)的julia软件包。GLRMs通过低秩矩阵对数据数组进行建模,并在数据分析中包含了许多著名的模型,如主成分分析(PCA)、矩阵完备化、鲁棒PCA、非负矩阵因子分解、k均值等。有关GLRMs的更多信息,请参阅我们的论文。这个包有一个python接口,在H2O机器学习平台中有一个GLRM实现,它有多种语言的接口。低伦克模特。jl使损失函数和正则化器的混合和匹配变得容易,从而构建适合特定数据集的模型。它特别支持:对数据数组的不同列使用不同的损失函数,这在数据类型是异构的(例如,实数列、布尔列和序数列)时非常有用;只将模型拟合到表中的一些条目,这对于包含许多缺失(未观察到)条目的数据表很有用;以及在不破坏稀疏性的情况下向模型中添加偏移和缩放,这在数据缩放不良时很有用。


zbMATH中的参考文献(参考文献38条,1标准件)

显示结果1到20,共38个。
按年份排序(引用)
  1. 伯克·惠洛克,劳伦;Pachamanova,Dessislava A:可接受的集合主题建模(2022)
  2. 偏执狂,杰瑞米;Deledale,Charles:使用无偏Kullback-Leibler风险估计对计数数据进行低秩矩阵去噪(2022)
  3. Saul,Lawrence K.:用于挖掘稀疏数据零点的非线性矩阵分解(2022)
  4. 阿卜杜拉利,马亚姆;Gillis,Nicolas:单纯形结构矩阵分解:基于稀疏性的可辨识性和可证明正确的算法(2021)
  5. 皮埃尔,德汉斯查特;吉利斯,尼古拉斯;Siebert,Xavier:关于深层矩阵分解的调查(2021)
  6. 林,凯文Z。;雷、静;Roeder,Kathryn:指数家族嵌入在单细胞RNA序列数据的细胞发育轨迹中的应用(2021年)
  7. 孟志清;蒋敏;沈瑞;徐来燕;双凸规划的目标惩罚函数法(2021)
  8. Aggarwal,Charu C.:机器学习的线性代数与优化。教科书(2020)
  9. 博斯曼,弗洛里安人;马建伟:使用移位秩1重建的增强图像逼近(2020)
  10. 陈云晓;李小欧;张思良:大规模数据的结构化潜在因素分析:可识别性、可估计性及其影响(2020)
  11. 加鲁兹,B.G。;乔达尼,我。;坎德利里,A。;佩雷戈,R。;Archetti,F.:通过贝叶斯优化实现推荐系统的超参数优化(2020)
  12. 洪,大卫;科尔达,塔玛拉G。;Duersch,Jed A.:广义正则多元张量分解(2020)
  13. 卡卢斯,内森;Udell,Madeleine:高维度动态组合个性化(2020)
  14. 科尔达,塔玛拉G。;Hong,David:大规模张量分解的随机梯度(2020)
  15. 兰德格拉夫,安德鲁J。;Lee,Yoonkyung:通过自然参数投影对二进制数据进行降维(2020)
  16. 李新荣;秀,奈华;周生龙:低阶谱集上的矩阵优化:平稳点与局部和全局极小(2020)
  17. 阿尔伯托伐木厂;费尔斯特罗夫,路易斯;Févotte,Cédric:贝叶斯平均参数化非负二元矩阵分解(2020)
  18. 罗宾,吉纳维;科洛普,奥尔加;约瑟夫,朱莉;Moulines,埃里克;Tibshirani,Robert:混合和不完整数据帧中的主要影响和相互作用(2020)
  19. 沈瑞;孟志清;蒋敏:双凸规划的光滑部分精确罚函数(2020)
  20. 体育,奥德;博耶,克莱尔;Josse,Julie:缺失非随机数据的插补和低秩估计(2020年)