高维随机设计下的变量选择与正交匹配追踪
摘要：确定性场景下，分析正交匹配追踪（OMP）在随机设计中的变量选择性能。由于性能是在对设计矩阵的分布求平均后进行测量，与确定性情况相比，可以对系数向量的稀疏性约束要求更为宽松。我们证明对于精确稀疏向量，OMP的性能与已知的Lasso算法结果相似[“IEEE Trans. Inform. Theory”55 (2009) 2183-2202]。此外，还分析了在对系数向量的稀疏性约束更宽松时，即只对较小系数的L1范数进行控制的变量选择。作为这些结果的后果，我们还证明了系数估计满足强Oracle类型不等式。
作者：Antony Joseph
论文ID：1109.0730
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-09-06