Zobrazeno 1 - 10
of 11 581
pro vyhledávání: '"Regularization Paths"'
Autor:
Du, Jin-Hong, Patil, Pratik
We study the implicit regularization effects induced by (observation) weighting of pretrained features. For weight and feature matrices of bounded operator norms that are infinitesimally free with respect to (normalized) trace functionals, we derive
Externí odkaz:
http://arxiv.org/abs/2408.15784
Autor:
Bak, Kwan-Young1 (AUTHOR) kybak@sungshin.ac.kr
Publikováno v:
Communications in Statistics: Simulation & Computation. 2024, Vol. 53 Issue 10, p5047-5058. 12p.
Current high-throughput technologies provide a large amount of variables to describe a phenomenon. Only a few variables are generally sufficient to answer the question. Identify them in a high-dimensional Gaussian linear regression model is the one o
Externí odkaz:
http://arxiv.org/abs/2109.12006
Regularization is used in many different areas of optimization when solutions are sought which not only minimize a given function, but also possess a certain degree of regularity. Popular applications are image denoising, sparse regression and machin
Externí odkaz:
http://arxiv.org/abs/2111.06775
The lasso and elastic net are popular regularized regression models for supervised learning. Friedman, Hastie, and Tibshirani (2010) introduced a computationally efficient algorithm for computing the elastic net regularization path for ordinary least
Externí odkaz:
http://arxiv.org/abs/2103.03475
Publikováno v:
Journal of Statistical Software, Vol 106, Pp 1-31 (2023)
The lasso and elastic net are popular regularized regression models for supervised learning. Friedman, Hastie, and Tibshirani (2010) introduced a computationally efficient algorithm for computing the elastic net regularization path for ordinary least
Externí odkaz:
https://doaj.org/article/4e354f4afeff45d8ac5ce94792a9633e
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Ribeiro, Antônio H., Aguirre, Luis A.
We propose a new algorithm for estimating NARMAX models with $L_1$ regularization for models represented as a linear combination of basis functions. Due to the $L_1$-norm penalty the Lasso estimation tends to produce some coefficients that are exactl
Externí odkaz:
http://arxiv.org/abs/1710.00598