简介：正则化模型是机器学习、压缩感知与推荐系统等领域的一类重要模型,其具有变量选择与稀疏化处理等功能,可以有效地避免模型的过拟合,完成信号重建或矩阵补全等工作。对稀疏正则化模型进行介绍,分析邻近点梯度算子与交替方向乘子法等最新的求解方法,并对它们的性能进行比较分析。
邻近点梯度法与交替方向乘子法求解LASSO的性能比较分析
