論文閱讀——Efficient and Robust Feature Selection via Joint L2,1-Norms Minimization

一、前言 最近因爲對結構化多任務學習，以及對帶範數目標函數求解的學習，一直都很想求解帶L2,1範數的目標函數（其實這只是個過程），針對這樣的不光滑目標函數，梯度下降法並不合適。 雖然sklearn中的MultiTaskLasso也是這樣的目標函數，並且使用了座標下降法來求解，但是當目標函數中的損失函數也用L2,1範數時我又懵圈了。 正當我琢磨是不是能把兩部分合在一起求解一個L2,1範數時（其實是數

>>阅读原文<<