Aug, 2014
高维非线性多元回归和 Granger 因果关系的可扩展矩阵核学习
Scalable Matrix-valued Kernel Learning for High-dimensional Nonlinear Multivariate Regression and Granger Causality
Vikas Sindhwani, Ha Quang Minh, Aurelie Lozano
TL;DR提出了一种矩阵值多核学习框架,可用于高维非线性多元回归问题,并使用广泛的 Mixed Norm Regularizers 支持字典的向量值再现核希尔伯特空间上的疏松度约束;通过该框架,高维因果推断任务可被自然地看作稀疏函数估计问题进行,从而引出了一类新的图形 Granger 因果分析技术的非线性扩展。