Fast Algorithm for the Lasso based L1-Graph Construction
-
Yasuhiro Fujiwara, Yasutoshi Ida, Junya Arai, Mai Nishimura, Sotetsu Iwamura
-
VLDB 2016
概要
-
L1-Graph + Lassoなグラフ構築手法がある
-
とても遅いので高速化
Lasso based L1-graph
- Least absolute shrinkage and selection
operator
-
$$ \min_{\mathbf{w}_p} \frac{1}{2M}\| \mathbf{x}_p - \mathbf{X} \mathbf{w}_p \|_2^2 + \lambda\|\mathbf{w}_p\|_1 $$
-
$$ \mathbf{w}_p $$がpに接続する辺の重みに対応していて、L1正則化のおかげで割りと疎になる
-
関連…L1-graph、k-NN graph等
Coordinate Descent
-
正則化項の偏微分が無理ゲーなので、頑張って解く
-
割りと単純な反復手順になる(lasso一般の手法)
-
でもぼちぼち遅い、特に全頂点についてやるには
提案手法
-
Weight updates
-
そもそも重みが零の要素がある
-
KKT条件スコアが分かれば大体判定が出来る
-
見積もるのが大変なので、(いつものように)上下限で推定
-
他にも少し高速化
-
KKT条件スコアの上下限
-
X(入力; 高次元ベクトルデータ)をSVD分解しておく
-
最初の時点で推定可能
-
逐次的に改善も可能(要素当り定数時間)
実験
-
競合手法(?) [Fujiwara-Ida-Shiokawa-Iwamura. AAAI'16]
-
速くなりました結果も同じ
-
数万点~数百万点、数百次元~数千次元
-
数時間~数十時間
-
事例紹介
-
L1-graph [Cheng-Yang-Yan-Fu-Huang. IEEE Trans. Image Process. 2010]
-
Linear neighborhood graph [Wang-Zhang. IEEE Trans. Knowl. Data Eng. 2008]
-
とかと比較して、実際的に有用ですね~。
まとめ
-
k-NNしか知らなかったので、グラフ構築手法として参考になった(あまり関係なし)
-
手法自体はいつもの感じ
-
λ変えていったらどうなるんですかね?
VLDB lasso グラフ構築
2017/04/17
最終更新:2017年04月17日 17:48