文件名称：benchmark_quantile_regression:Benchopt分位数回归基准
文件大小：6KB
文件格式：ZIP
更新时间：2024-04-18 23:11:50
Python
分位数回归基准 BenchOpt是一个软件包，用于简化优化算法的比较并使其更加透明和可重现。 此基准专用于L1正则化分位数回归问题： \min_{w} \frac{1}{n} \sum_{i=1}^{n} \text{pinball}(y_i, x_i^\top w) + \frac{\lambda}{2} \|w\|_1 在哪里 \text{pinball}(y, \hat{y}) = \alpha \max(y - \hat{y}, 0) + (1 - \alpha) \max(\hat{y} - y, 0) 其中n（或n_samples）代表样本数，p（或n_features）代表特征数，而 X = [x_1^\top, \dots, x_n^\top]^\top \in \mathbb{R}^{n \times p} 安装 可以使用以下命令运行此基准测试： $ pip ins
【文件预览】：
benchmark_quantile_regression-main
----.gitignore(170B)
----README.rst(2KB)
----.github()
--------workflows()
----datasets()
--------simulated.py(835B)
----clean_template.py(722B)
----objective.py(878B)
----xfail.py(296B)
----solvers()
--------scipy-linprog.py(2KB)