Celer：具有双重外推的Lasso快速求解器
摘要：凸稀疏诱导正则化在高维机器学习中广泛存在，但解决相关的优化问题可能很慢。为了加速求解器，最先进的方法是减小所面临的优化问题的规模。在回归的背景下，可以通过丢弃无关的特征（筛选技术）或优先考虑可能包含在解的支持中的特征（工作集技术）来实现。在这些技术中，对偶性在几个步骤中起到了作用。在这里，我们提出了一种从对偶中的一系列迭代开始的外推技术，可以导致改进的对偶点的构建。这使得在停止准则中使用优化性的控制更加紧密，以及Gap Safe规则更好的筛选性能。最后，我们提出了一种基于大规模安全筛选规则的工作集策略。凭借我们新的对偶点构建方法，我们在多个实际问题上展示了显著的计算加速。
作者：Mathurin Massias and Alexandre Gramfort and Joseph Salmon
论文ID：1802.07481
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-06-07