针对Lasso问题的多维权重求解算法

• 作者: 刘小娟 郑方园 陈善雄 陈春蓉
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 最小绝对收缩和选择算子 变量选择 最小角回归 多元线性回归 加权
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 1674-1679
• 页数: 6页
• 分类号: TP181|TP301.6
• 字数: 5875字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.06.1674

摘要

最小绝对收缩和选择算子(Lasso)在数据维度约减、异常检测方面有着较强的计算优势.针对Lasso用于异常检测中检测精度不高的问题,提出了一种基于多维度权重的最小角回归(LARS)算法解决Lasso问题.首先考虑每个回归变量在回归模型中所占权重不同,即此属性变量在整体评价中的相对重要程度不同,故在LARS算法计算角分线时,将各回归变量与剩余变量的联合相关度纳入考虑,用来区分不同属性变量对检测结果的影响;然后在EARS算法中加入主成分分析(PCA)、独立权数法、基于Intercriteria相关性的指标的重要度评价(CRITIC)法这三种权重估计方法,并进一步对LARS求解的前进方向和前进变量选择进行优化.最后使用Pima Indians Diabetes数据集验证算法的优良性.实验结果表明,在更小阈值的约束条件下,加入多维权重后的LARS算法对Lasso问题的解具有更高的准确度,能更好地用于异常检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘小娟	西南大学计算机与信息科学学院	10	10	1.0	3.0
3	陈善雄	西南大学计算机与信息科学学院	21	91	5.0	9.0
9	陈春蓉	西南大学计算机与信息科学学院	2	11	1.0	2.0
10	郑方园	西南大学计算机与信息科学学院	2	10	1.0	2.0