スパース正則化学習の理論とアルゴリズム(サーベイ,<特集>機械学習研究部会)

抄録

本サーベイ論文では機械学習を中心とした分野で近年注目されているスパース性を導く様々な正則化法を加法的なスパース正則化と構造的なスパース正則化に分類し,それぞれに対する最適化法を議論する.前者は,条件数の悪化に対して頑健な手法が重要であり,相対拡張ラグランジュ法を紹介する.一方,後者に対しては,線形演算で表現される構造とスパース正則化項を分離することを可能にする手法として交互方向乗数法を紹介する.