保罗·汉德;巴布鲁·乔希 混合线性回归的凸程序,对分离良好的数据具有恢复保证。 (英语) Zbl 1476.90239号 Inf.推断 7,第3号,563-579(2018). 摘要:我们介绍了一种用于特征上混合线性回归的凸方法。该方法是一个基于L1最小化的二阶锥程序,它为每个数据点分配一个估计回归系数,单位为(mathbb{R}^d)。然后可以使用例如“(k)-均值”对这些估计进行聚类。对于两个或多个混合类的问题,我们证明了在包含数据良好分离假设的技术条件下,凸规划精确地恢复了无噪声环境中的所有混合成分。在这些假设下,如果每个类别至少有(d)个独立的测量值,则恢复是可能的。我们还探索了该方法在实际和合成数据上的迭代加权最小二乘实现。 引用于1文件 MSC公司: 90C25型 凸面编程 62J05型 线性回归;混合模型 62H30型 分类和区分;聚类分析(统计方面) 关键词:混合线性回归;L1最小化;二阶锥规划;群集;迭代加权最小二乘法 软件:柔性混音 PDF格式BibTeX公司 XML格式引用 \textit{P.Hand}和\textit{B.Joshi},Inf.Inference 7,No.3,563--579(2018;Zbl 1476.90239) 全文: 内政部 arXiv公司