金永代(Kim,Yongdai);金裕元;Kim,Jinseog先生 LASSO的梯度下降算法。 (英语) 兹比尔1134.62046 威尔杜奇、约瑟夫·斯蒂芬(编辑)等,《预测与发现》。AMS-IMS-SIAM关于机器和统计学习:预测和发现的夏季联合研究会议,雪鸟,犹他州,美国,2006年6月25-29日。当代数学443(ISBN 978-0-8218-4195-2/pbk)。73-82 (2007). 小结:我们提出了一种新的LASSO优化算法——一种基于梯度下降法的带L_1约束的回归方法。与现有方法相比,该算法的一个重要优点是前者更稳定,尤其是在输入维数较大的情况下。这里,“更稳定”意味着该算法始终会产生最优解,而现有方法可能无法做到这一点。文中还给出了将该算法与基于QP的算法进行比较的仿真结果。有关整个系列,请参见[Zbl 1123.62002号]. 引用于2文件 MSC公司: 62J07型 岭回归;收缩估计器(拉索) 90 C90 数学规划的应用 65C60个 统计中的计算问题(MSC2010) 软件:UCI-毫升;拉索 PDF格式BibTeX公司 XML格式引用 \textit{Y.Kim}等人,康特姆。数学。443、73--82(2007年;Zbl 1134.62046)