关键词trace-norm regularization
搜索结果 - 2
- 缺失标签的大规模多标签学习
本文研究多标记问题的通用经验风险最小化框架,提出了一种简单的框架,能高效地解决数据中存在缺失标记和标记量极大的问题。通过特定损失函数的结构,基于该框架设计了有效算法,进一步证明了该框架在存在缺失标记时的形式化过度风险边界。此外,对于低秩促进 - 非均匀世界下的协同过滤:基于加权迹范数的学习
研究表明,带有迹范数正则化的矩阵补全在矩阵的采样非均匀的情况下可能严重受损。我们提出了一种加权版本的迹范数正则化,能够很好地处理非均匀采样。我们的实验结果表明,加权迹范数正则化确实在(高度非均匀采样的)Netflix 数据集上取得了显著的收