Soft Thresholding 求解优化问题例子

软阈值(SoftThresholding)可以求解如下优化问题:

arg min ⁡ x ∣ ∣ x − B ∣ ∣ 2 2 + λ ∣ ∣ x ∣ ∣ 1 \argmin_x ||x-B||^2_2 + \lambda ||x||_1 xargminxB22+λx1

的解为:

s o f t ( B , λ / 2 ) = { B + λ / 2 , B < − λ / 2 0 , ∣ B ∣ < λ / 2 B − λ / 2 , B > λ / 2 soft(B,\lambda / 2)=\left\{ \begin{aligned} B+\lambda /2 &,& B &< -\lambda /2 \\ 0 &,& |B| &< \lambda /2 \\ B-\lambda /2&,& B &> \lambda /2 \end{aligned} \right. soft(B,λ/2)=B+λ/20Bλ/2,,,BBB<λ/2<λ/2>λ/2

具体参考证明

例子:

来源于文章Newton, M.A., Polson, N.G. and Xu, J. (2020), Weighted Bayesian bootstrap for scalable posterior distributions. Can J Statistics. https://doi.org/10.1002/cjs.11570

θ w ∗ = arg min ⁡ θ ∈ Θ { w 1 2 ( y − θ ) 2 + λ w 0 ∣ θ ∣ } \theta_w^* = \argmin_{\theta \in \Theta}\{\frac{w_1}{2}(y-\theta)^2+\lambda w_0 |\theta| \} θw=θΘargmin{2w1(yθ)2+λw0θ}

利用soft thresholding解得:

θ w ∗ = { y − λ w 0 / w 1 , i f    y > λ w 0 / w 1 y + λ w 0 / w 1 , i f    y < − λ w 0 / w 1 0 , i f    ∣ y ∣ ⩽ λ w 0 / w 1 \theta^*_w=\left\{ \begin{aligned} y - \lambda w_0 / w_1 &,& &if \ \ y > \lambda w_0 / w_1 \\ y + \lambda w_0 / w_1 &,& &if \ \ y < - \lambda w_0 / w_1 \\ 0&,& &if \ \ |y| \leqslant \lambda w_0 / w_1 \end{aligned} \right. θw=yλw0/w1y+λw0/w10,,,if  y>λw0/w1if  y<λw0/w1if  yλw0/w1

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值