LowRankModels公司

jl是一个用于建模和拟合广义低阶模型(GLRMs)的julia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。lwlankmodels.jl可以很容易地混合和匹配损失函数和正则化器,以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31条,1标准件)

显示第1到第20个结果,共31个。
按年份排序(引用)
  1. 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)
  2. 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)
  3. Aggarwal,Charu C.:机器学习的线性代数与优化。教科书(2020)
  4. 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)
  5. 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)
  6. 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)
  7. 洪,大卫;科尔达,塔玛拉G。;Duersch,Jed A.:广义正则多元张量分解(2020)
  8. 卡卢斯,内森;Udell,Madeleine:高维度动态组合个性化(2020)
  9. 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)
  10. 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)
  11. 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)
  12. 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)
  13. 沈瑞;孟志清;蒋敏:双凸规划的光滑部分精确罚函数(2020)
  14. 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)
  15. 阿拉亚,莫赫塔尔Z。;克洛普,奥尔加:集体矩阵完成(2019年)
  16. 白族、巨山;Ng,Serena:近似因子模型的秩正则化估计(2019)
  17. 巴尔坎,玛丽亚·弗洛里娜;梁英玉;宋、赵;伍德拉夫,大卫P。;张红阳:非凸矩阵完备化及其相关问题(2019)
  18. 达尼什曼德,阿米尔;孙英;斯库塔里,格苏阿尔多;弗朗西斯科法奇尼;Sadler,Brian M.:时变有向图上的分散字典学习(2019)
  19. 德里克,德里克;贝克,斯蒂芬;Aravkin,Aleksandr:为并行架构调整正则化低阶模型(2019)
  20. 吉利斯,尼古拉斯;Shitov,Yaroslav:无穷范数下的低秩矩阵逼近(2019)