skscope: Fast Sparsity-Constrained Optimization in Python

要約

スパース制約最適化 (SCO) に反復ソルバーを適用するには、退屈な数学的推論と慎重なプログラミング/デバッグが必要ですが、これらのソルバーの広範な影響が妨げられます。
この論文では、このような障害を克服するためにライブラリ skscope が紹介されています。
skscope を使用すると、目的関数をプログラミングするだけで SCO を解くことができます。
skscope の利便性は、論文内の 2 つの例を通じて実証されており、スパース線形回帰とトレンド フィルタリングがわずか 4 行のコードで処理されています。
さらに重要なことは、skscope の効率的な実装により、パラメーター空間の高次元に関係なく、最先端のソルバーがスパース解を迅速に取得できるようになります。
数値実験により、skscope で利用可能なソルバーは、ベンチマークされた凸ソルバーによって得られた競合緩和解に対して最大 80 倍の高速化を達成できることが明らかになりました。
skscope は Python Package Index (PyPI) および Conda で公開されており、そのソース コードは https://github.com/abess-team/skscope で入手できます。

要約(オリジナル)

Applying iterative solvers on sparsity-constrained optimization (SCO) requires tedious mathematical deduction and careful programming/debugging that hinders these solvers’ broad impact. In the paper, the library skscope is introduced to overcome such an obstacle. With skscope, users can solve the SCO by just programming the objective function. The convenience of skscope is demonstrated through two examples in the paper, where sparse linear regression and trend filtering are addressed with just four lines of code. More importantly, skscope’s efficient implementation allows state-of-the-art solvers to quickly attain the sparse solution regardless of the high dimensionality of parameter space. Numerical experiments reveal the available solvers in skscope can achieve up to 80x speedup on the competing relaxation solutions obtained via the benchmarked convex solver. skscope is published on the Python Package Index (PyPI) and Conda, and its source code is available at: https://github.com/abess-team/skscope.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google