有谁知道如何使用 CVX 实现稀疏组套索,MATLAB 中的凸优化包?
我不知道如何将公式描述为 CVX 原型。
我决定分享!!
你必须使用CVX吗?Inria 有一个名为Spams的稀疏建模包,用 Matlab、R 和 Python 编写。如果您想要一个组套索正则化器,请查看mexproximalFlat 下的近端工具箱中的文档。也有一些例子。我经常使用 python spams 包。
(更正:两者都支持不同的组大小。来自nfs的示例通过使用附加约束来支持不同的组大小。)
有关nfs给出的示例,请参阅此网页:http :
//ask.cvxr.com/t/formulating-sparse-group-lasso-in-cvx/793/4
但是此示例似乎不允许不同的组大小。您可以参考以下示例(使用的公式是Simon、Noah 和 Robert Tibshirani 中的 Eq.3。“标准化和组套索惩罚。” Statistica Sinica 22.3 (2012): 983。)
% Refer to Eq. (3) in /Simon, Noah, and Robert Tibshirani.
% "Standardization and the group lasso penalty."
% Statistica Sinica 22.3 (2012): 983./
% Note that group LASSO allows different group sizes
N = 64; m = 3;
rho = [2; 4; 6]; % group sizes
n = sum(rho); % num of total parameters
X = rand(N,n); % X = [X1, X2, ..., X_m]
y = rand(N,1);
lambda = 1;
IndexM = [1, 2; 3, 6; 7, 12]; % indexes of elements in each group
cvx_begin
% w = [beta1'; beta2'; ...; beta_m']
variable w(n)
expression ws(m)
for i = 1:m
ws(i) = norm(w(IndexM(i,1):IndexM(i,2)),2);
end
minimize( norm(y-X*w, 2) + lambda*(sqrt(rho)' * ws) )
cvx_end
% get beta_i, i.e. i-th beta corresponding to i-th group
% e.g.
i = 2;
beta_i = w(IndexM(i,1):IndexM(i,2));
我相信 CVX 无法轻松处理 SGL 中的组范数,除非您对每个数据集的组范数进行硬编码。如果你使用 Matlab,你可以使用SLEP 工具箱。