Aug, 2011
结构化稀疏性与泛化能力
Structured Sparsity and Generalization
TL;DR本文介绍了一种基于数据相关性的一般化界限，适用于许多实现了结构稀疏性限制的正则化算法。该界限可以应用于标准的平方范数正则化、套索(Lasso)、组套索(group Lasso)、一些具有重叠组的组套索版本、多核学习(multiple kernel learning)和其他正则化方案。在所有这些情况下，都可以获得有竞争力的结果。我们界限的新特点是，它可以应用于无限维度的设置，例如具有可分离的希尔伯特空间的套索(Lasso)或具有可数核的多核学习(multiple kernel learning)。