「スパース性に基づく機械学習」サポートページ

目次

1. はじめに
2. データからの学習
3. スパース性の導入
4. ノイズなしL1ノルム最小化の理論
5. ノイズありL1ノルム最小化の理論
6. L1ノルム正則化のための最適化法
7. グループL1ノルム正則化に基づく機械学習
8. トレースノルム正則化に基づく機械学習
9. 重複型スパース正則化
10. アトミックノルム
11. おわりに

• 目次PDF

プログラム

本書で用いた実験のMATLABソースコードを公開します．

過学習（2章）

 plot_overfitting

人工データ実験（3章）

1. はじめにスパース正則化のための双対拡張ラグランジュ(DAL)法のツールボックスをダウンロードして下さい.
2. ツールボックスのパスを追加して下さい．

addpath /path/to/dal/matlab

3. 実行します．

exp_ksubset_correlated

4. 結果
5. 係数ベクトルを可視化するにはexp_ksubset_correlated.mの９行目を

visualize_weights = 1;

としてから実行して下さい．

相転移と統計的次元（4章）

 exp_lininvl1

lassoの統計的性能（5章）

1. スパース正則化のための双対拡張ラグランジュ(DAL)法のツールボックスをダウンロードし，パスを追加して下さい（3章を参照）．
2. 実行します．

exp_lasso_scaling

3. 結果

最適化アルゴリズムの比較（6章）

フランク・ウォルフェ法（10章）

ロバスト主成分を用いた前景抽出（10章）

1. データ (Hall of a business building) をシンガポール科学技術研究庁インフォコム研究所 (I2R) のページからダウンロード
2. hall.zipを展開し，datasets/hall/以下に置きます．
3. 実行します．

exp_hall

4. 結果