JMLR

Sample Complexity and Decision-Theoretic Guarantees for Bayesian Model Averaging over Decision Trees with Catalan-Exponential Priors

基于Catalan指数先验的决策树贝叶斯模型平均的样本复杂度和决策理论保证

Livija Jakaite, Vitaly Schetinin

机构 * School of Computing and Engineering University of Bedfordshire, Luton, UK（计算与工程学院贝德福德郡大学，卢顿，英国） 纠错

AI总结 针对具有Dirichlet-Multinomial叶模型和Catalan指数树大小先验的贝叶斯决策树，建立了理性承诺阈值的完整非渐近理论，回答了贝叶斯模型平均权重何时蕴含足够认知信息以证明对平均分布的承诺利用是合理的。

Comments 22 pages, 3 figures, Submitted to the Journal of Machine Learning Research

Greedy Feature Selection for Subspace Clustering

子空间聚类的贪婪特征选择

Eva L. Dyer, Aswin C. Sankaranarayanan, Richard G. Baraniuk

AI总结 本文研究使用贪婪方法（正交匹配追踪）进行子空间聚类的精确特征选择，并证明其在稀疏采样条件下优于最近邻方法。

Comments 32 pages, 7 figures, 1 table

Journal ref Journal of Machine Learning Research, Vol.14, Issue 1, pp. 2487-2517, January 2013

Tensor decompositions for learning latent variable models

用于学习潜变量模型的张量分解

Anima Anandkumar, Rong Ge, Daniel Hsu, Sham M. Kakade, Matus Telgarsky

AI总结 本文利用低阶可观测矩的张量结构，通过对称张量分解（类似矩阵SVD的推广）实现高斯混合模型、隐马尔可夫模型等潜变量模型的参数估计，并提供了鲁棒张量幂法的详细分析。

Journal ref Journal of Machine Learning Research, 15(Aug):2773-2832, 2014

Improving CUR Matrix Decomposition and the Nyström Approximation via Adaptive Sampling

通过自适应采样改进CUR矩阵分解和Nyström近似

Shusen Wang, Zhihua Zhang

AI总结 本文通过建立自适应列/行采样算法的更一般误差界，提出了具有预期相对误差界的更精确CUR和Nyström算法，并给出了标准Nyström方法和集成Nyström方法的低误差界理论分析。

Journal ref Journal of Machine Learning Research, 14: 2549-2589, 2013

Greedy Sparsity-Constrained Optimization

贪婪稀疏约束优化

Sohail Bahmani, Bhiksha Raj, Petros Boufounos

AI总结 提出一种贪婪算法GraSP，用于近似任意形式代价函数的稀疏最小值，并在代价函数满足稳定受限Hessian或稳定受限线性化时保证收敛到真稀疏最优解的有界距离内。

Journal ref Journal of Machine Learning Research, 14(3):807--841, 2013

Sparse and Unique Nonnegative Matrix Factorization Through Data Preprocessing

通过数据预处理实现稀疏且唯一的非负矩阵分解

Nicolas Gillis

AI总结 本文提出一种基于数据预处理的非负矩阵分解方法，利用M-矩阵理论和几何解释，在可分离性假设下得到稀疏且唯一的最优解。

Comments 34 pages, 11 figures

Journal ref Journal of Machine Learning Research 13 (Nov), pp. 3349-3386, 2012

MahNMF: Manhattan Non-negative Matrix Factorization

MahNMF: 曼哈顿非负矩阵分解

Naiyang Guan, Dacheng Tao, Zhigang Luo, John Shawe-Taylor

AI总结 针对重尾噪声和异常值问题，提出基于曼哈顿距离的MahNMF模型，并开发了秩一残差迭代和Nesterov平滑两种快速优化算法。

Comments 43 pages, 20 figures, 2 tables, submission to Journal of Machine Learning Research

Dynamic Policy Programming

动态策略编程

Mohammad Gheshlaghi Azar, Vicenc Gomez, Hilbert J. Kappen

AI总结 提出动态策略编程（DPP）方法，通过平均累积误差的无穷范数界，在近似误差下优于标准近似值迭代和近似策略迭代，并在多个问题域中显著超越现有强化学习方法。

Comments Submitted to Journal of Machine Learning Research

Safe Feature Elimination for the LASSO and Sparse Supervised Learning Problems

LASSO和稀疏监督学习问题的安全特征消除

Laurent El Ghaoui, Vivian Viallon, Tarek Rabbani

AI总结 提出一种快速方法，在LASSO问题中消除无关特征，显著减少运行时间，并可推广到一般l1惩罚凸问题。

Comments Submitted to JMLR in April 2011