Mixed-integer exponential cone programming in action: Sparse logistic regression and optimal histogram construction

Bu çalışmada Öznitelik Altküme Seçmeli Seyrek Lojistik Regresyon ve Eniyi Histogram İnşaası Problemleri'nin gösterimleri verilmiştir. Ortak özelliği amaç fonksiyonlarının üstel konik programlama gösterimli olan bu iki problem, MOSEK çözücüsü ile çözülmüştür. İlk problemde, makine öğrenmesinde sınıflandırma olarak bilinen etiketli veri kümeleri üzerinde ikili bağımlı değişkeni tahmin etmek için bir model kurulmuştur. Bu modelin Akaike, Bayesçi ve Düzeltilmiş McFadden Bilgi Kıstasları gibi uyum iyiliklerini göz önünde bulunduran sürümleri çözülmüştür. Bu modellerin başarımı, rassal olarak üretilen ve literatürden alınan veri kümeleri üzerinde ölçülmüştür. İkinci model, histogramlarda Kullback-Leibler uzaklığını enküçükleyecek şekilde eniyi bölme genişliğini bulmak için geliştirilmiştir. Bu modelin başarımı Normal, Gamma ve Poisson olasılık dağılımlardan üretilen rassal veri kümeleri üzerinde ölçülmüştür.