惩罚主成分析中的 Nesterov 平滑
原文中文，约300字，阅读约需1分钟。发表于：。我们在这篇论文中通过应用 Nesterov 平滑到 LASSO-type L1 惩罚上，扩展了 PEP，以更快、更高效地最小化与优化问题相关的目标函数；我们还展示了如何使用奇异值分解的已建立结果来计算更高级的特征向量；最后，通过使用 1000 个基因组计划数据集的实证研究，我们证明了我们提出的平滑 PEP 可以提高数值稳定性并获得有意义的特征向量，我们进一步研究了与传统 PCA...
本文介绍了一种新的平滑 PEP 方法，通过应用 Nesterov 平滑到 LASSO-type L1 惩罚上，可以更快、更高效地最小化与优化问题相关的目标函数。同时，使用奇异值分解的已建立结果可以计算更高级的特征向量。实证研究表明，这种平滑 PEP 方法可以提高数值稳定性并获得有意义的特征向量，比传统 PCA 更有效。
