论文笔记_21范数:Efficient and Robust Feature Selection via Joint 2,1-Norms Minimization
Abstract特征选择在机器学习中非常重要,尤其是在生物信息学任务中。本文提出一种新的鲁棒特征选择方法,这一方法核心在于在损失函数核正则化项中联合使用21范数。基于21范数的损失函数对于数据点中的异常值具有较好的鲁棒性,而基于21范数的正则化项则可以选择所有数据点稀疏的特征。本文证明了算法的收敛性。同时通过实验结果证明了方法的性能。Introduction一般来说,特征选择有三种模型:1.滤波方