基于分组稀疏性的凸规划学习异方差模型
摘要：稀疏估计方法(Lasso和Dantzig选择器)需要知道噪声的方差才能正确调整正则化参数。这在应用于时间序列、随机场、逆问题等多种框架中构成了一大障碍，因为噪声很少是同方差的，其水平很难预先知道。本文提出了一种新的方法，用于高维(自)回归设置中条件均值和条件方差的联合估计。所提出的估计器的一个有吸引力的特点是，通过求解二阶锥规划(SOCP)，即使对于非常大规模的问题，它也可以高效地计算。我们提供了理论分析和数值结果，评估所提出的方法的性能。
作者：Arnak S. Dalalyan (LIGM, CREST), Mohamed Hebiri (LAMA), Katia M''eziani (CEREMADE), Joseph Salmon (TSI)
论文ID：1304.4549
分类：Machine Learning
分类简称：stat.ML
提交时间：2013-04-17