一种利用Screening加速技巧的Lasso算法

• 作者: 张梁梁 易磊 潘志松 邱俊洋 陶蔚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Lasso算法 Screening加速技巧 稀疏特征选择 高维数据
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 135-140
• 页数: 6页
• 分类号: TP181
• 字数: 5433字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1609-0026

摘要

Lasso(Least absolute shrinkage and selection operator)是目前广为应用的一种稀疏特征选择算法.经典的Lasso算法通过对高维数据进行特征选择一定程度上降低了计算开销,然而,求解Lasso问题目前仍面临诸多困难与挑战,例如当特征维数和样本数量非常大时,甚至无法将数据矩阵加载到主存储器中.为了应对这一挑战,Screening加速技巧成为近年来研究的热点.Screening可以在问题优化求解之前将稀疏优化结果中系数必然为0的无效特征筛选出来并剔除,从而极大地降低数据维度,在不损失问题求解精度的前提下,加速稀疏优化问题的求解速度.首先推导了Lasso的对偶问题,根据对偶问题的特性得出基于对偶多面投影的Screening加速技巧,最后将Screening加速技巧引入Lasso特征选择算法,并在多个高维数据集上进行实验,通过加速比、识别率以及算法运行时间三个指标验证了Screening加速技巧在Lasso算法上的良好性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘志松	中国人民解放军理工大学指挥信息系统学院	13	32	4.0	5.0
2	邱俊洋	中国人民解放军理工大学指挥信息系统学院	2	5	1.0	2.0
3	易磊	中国人民解放军理工大学指挥信息系统学院	3	5	1.0	2.0
4	陶蔚	中国人民解放军理工大学指挥信息系统学院	6	15	2.0	3.0
5	张梁梁	中国人民解放军理工大学指挥信息系统学院	2	8	1.0	2.0