No sensor comprimido, existe uma garantia do teorema de que possui uma solução esparsa exclusiva c (consulte o apêndice para obter mais detalhes).
Existe um teorema semelhante para o laço? Se existe um teorema, ele não apenas garantirá a estabilidade do laço, mas também fornecerá ao laço uma interpretação mais significativa:
laço pode descobrir o vetor de coeficiente de regressão esparso que é usado para gerar a resposta por .
Há duas razões pelas quais faço essa pergunta:
Eu acho que 'laço favorece uma solução esparsa' não é uma resposta para o porquê de usar laço para seleção de recursos, já que não podemos nem dizer qual é a vantagem dos recursos que selecionamos.
Aprendi que o laço é notório por ser instável na seleção de recursos. Na prática, precisamos executar amostras de bootstrap para avaliar sua estabilidade. Qual é a razão mais crucial que causa essa instabilidade?
Apêndice:
Dado . é um vetor -parse ( ). O processo gera a resposta . Se tiver a NSP (propriedade de espaço nulo) da ordem e a matriz de covariância de não tiver autovalor próximo de zero, haverá uma solução exclusiva para
O que esse teorema também diz é que, se não possui o NSP de ordem , é simplesmente impossível resolver .
EDITAR:
Depois de receber essas ótimas respostas, percebi que estava confuso ao fazer essa pergunta.
Por que essa pergunta é confusa:
Li um artigo de pesquisa no qual temos que decidir quantos recursos (colunas) a matriz de design terá (os recursos auxiliares são criados a partir dos recursos principais). Como é um problema típico de , espera-se que seja bem construído para que a solução do laço possa ser uma boa aproximação da solução esparsa real.
O raciocínio é feito a partir do teorema que mencionei no apêndice: Se pretendemos encontrar uma solução separada , é melhor ter o NSP de ordem .
Para uma matriz , se for violado, então
nenhuma recuperação estável e robusta de de e é possível
corresponde a , corresponde a
... como esperado do relacionamento , a seleção do descritor se torna mais instável, ou seja, para diferentes conjuntos de treinamento, o descritor selecionado geralmente difere ...
A segunda citação é a parte que me confunde. Parece-me que quando a desigualdade é violada, não é apenas a solução talvez não única (não mencionada), mas o descritor também se tornará mais instável.