特征篩選方法是特征選擇過程中的重要環(huán)節(jié)之一,通過篩選并去除數(shù)據(jù)表示中冗余的特征可以極大的簡化模型的復(fù)雜度,提高模型的可解釋性.本文針對一類Fused Lasso模型,借助對偶問題的變分不等式型必要條件,構(gòu)造了特征篩選法則.首先,本文介紹了 Lasso模型和Fused Lasso模型,利用凸優(yōu)化理論給出優(yōu)化問題的對偶問題,導(dǎo)出對偶問題變分不等式形式的必要條件;其次,構(gòu)造一個緊的對偶可行域使其包含對偶最優(yōu)解,通過估計在這個可行域上的對偶約束上界,建立篩選規(guī)則,找到具有相同系數(shù)的相鄰特征,進而實現(xiàn)特征剔除;最后,將變分不等式在Fused Lasso模型上的應(yīng)用與傳統(tǒng)特征選擇方法進行對比,說明了本文所用方法更加準(zhǔn)確有效.

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 特征篩選的目的與方法
    1.3 論文的主要內(nèi)容和結(jié)構(gòu)
第2章 預(yù)備知識
    2.1 基本定義
    2.2 優(yōu)化問題的必要條件
    2.3 本章小結(jié)
第3章 Fused Lasso問題
    3.1 Fused Lasso的對偶問題
    3.2 可行集建立
    3.3 上界估測
    3.4 本章小結(jié)
第4章 常用特征篩選方法
    4.1 啟發(fā)式篩選規(guī)則中的強規(guī)則
    4.2 與SAFE方法比較
    4.3 與DPP方法比較
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：4048441