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

1、前言 最近由於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,梯度降低法並不合適。web 雖然sklearn中的MultiTaskLasso也是這樣的目標函數,而且使用了座標降低法來求解,可是當目標函數中的損失函數也用L2,1範數時我又懵圈了。算法 正當我琢磨是否是能把兩部分合在一塊兒求解一個L2,1範數
相關文章
相關標籤/搜索