跳到内容

这个MATLAB软件包可以有效地计算多项式logistic回归的遗漏一交叉验证误差,并使用弹性网络(L1和L2)进行惩罚。计算基于解析近似,避免了重新优化,减少了计算时间。Python版本:https://github.com/T-Obuchi/Accele…

主人
转到文件
代码

最新提交

 

Git统计

文件夹

永磁
未能加载最新提交信息。
类型
姓名
提交最新消息
提交时间
 
 
 
 
 
 

自述文件.md

matlab加速CVONMLR

多项式logistic回归的弹性网络正则化近似交叉验证

这是免费软件,您可以根据GNU通用公共许可证3版或更高版本的条款重新分发和/或修改它。有关详细信息,请参见LICENSE.txt。

本程序的发布是希望它能有用,但没有任何保证;甚至没有对适销性或特定用途适用性的暗示保证。

说明

使用估计的权重向量wV公司给出特征数据那班同学呢Y代码带弹性网络正则化惩罚的多项式logistic回归(L1规范和L2级范数),此程序计算并返回一个近似的缺一失估计量(LOOE)及其预测似然的标准误差。所有必需的代码都在“例行程序”文件夹中。请注意,此程序本身不包含任何要获取的解算器wV公司. 请使用其他分布式程序。

使用

对于多项式logistic回归Np公司(>二)班级,

[LOOE,ERR]=acv_mlr(wV,X,y代码,Np,lambda2)

输入:

  • wV公司:估计的权重向量N*Np公司维度的
  • :特征向量集*N维度的
  • Y代码:的*Np公司表示对应特征向量所属类别的维数二元矩阵
  • λ2:系数L2级规范。如果没有这个论点,λ2设置为默认值λ2=0

输出:

  • 鲁厄:漏失估计量的近似值
  • 错误:漏失估计量的近似标准误差

有关详细信息,请键入help acv\u mlr。

如果空气压缩机运行时间较长,请尝试进一步简化为

[LOOE,ERR]=saacv_mlr(wV,X,y代码,Np,lambda2)

在我们的实验中,空气压缩机如果N几百个或者更少,但是萨卡夫更大的更快N. 对于小数据和模型,这些近似不一定很快,因此我们建议对此类情况执行文字交叉验证。有关详细信息,请参阅参考资料。

对于二项logistic回归(logit模型),

[LOOE,ERR]=acv_logit(w,X,Ycode,lambda2)

输入:

  • w:估计的权重向量N维度的
  • :特征向量集*N维度的
  • Y代码:的*2表示对应特征向量所属类别的维数二元矩阵
  • λ2:系数L2级规范。如果没有这个论点,λ2设置为默认值λ2=0

输出与多项式情况相同。logit模型的进一步简化近似在中实现萨阿夫罗伊特.

示范

在“demo”文件夹中,多项式和二项逻辑回归的演示代码分别是demo_loeapprox_mlr.m和demo_LOOEapprox_logit.m。

要求:glmnet公司(https://web.stanford.edu/~hastine/glmnet_matlab/)需要获取这些演示代码中的权重向量。

参考文献

Obuchi Tomoyuki Obuchi和Yoshiyuki Kabashima:“用$ellé1$-正则化加速多项式Logistic回归的交叉验证”,arXiv:1711.05420

关于

这个MATLAB软件包可以有效地计算多项式logistic回归的遗漏一交叉验证误差,并使用弹性网络(L1和L2)进行惩罚。计算基于解析近似,避免了重新优化,减少了计算时间。Python版本:https://github.com/T-Obuchi/Accele…

话题

资源

许可证

释放

未发布版本

包装

未发布包