Long steps in IPM and L_1-regression
Thesis title: | Dlhé kroky v IPM a L_1-regresia |
---|---|
Author: | Šicková, Barbora |
Thesis type: | Bachelor thesis |
Supervisor: | Černý, Michal |
Opponents: | Sokol, Ondřej |
Thesis language: | Slovensky |
Abstract: | Práca sa zaoberá Newtonovou metódou vnútorného bodu, ktorá je aplikovaná na riešenie L_1 odhadu polynomiálnej regresie. Cieľom práce je nájsť nové modifikácie voľby dlhého kroku v Newtonovej metóde, ktoré povedú k rýchlejšiemu výpočtu L_1 odhadu na veľkých dátach. Navrhnuté modifikácie vychádzajú z full-Newton step algoritmu, ktorý hľadá riešenie self-dual modelu. Ako najlepšie sa javia algoritmy AF-L, F-LP1, AF-LP1 a AF-L-mixed, ktoré behom výpočtu adaptívnym spôsobom upravujú barrier update parameter. Algoritmy i získané výsledky boli implementované a vizualizované v programe MatLab. |
Keywords: | Newtonova metóda vnútorného bodu; L_1 regresia; dlhý krok |
Thesis title: | Dlouhé kroky v IPM a L_1-regrese |
---|---|
Author: | Šicková, Barbora |
Thesis type: | Bakalářská práce |
Supervisor: | Černý, Michal |
Opponents: | Sokol, Ondřej |
Thesis language: | Slovensky |
Abstract: | Práce se zabývá Newtonovou metodou vnitřního bodu, která je aplikovaná na řešení L_1 odhadu lineární regrese. Cílem práce je najít nové modifikace volby dlouhého kroku v Newtonově metodě, které povedou k rychlejšímu výpočtu L_1 odhadu na velkých datech. Navržené modifikace vycházejí z full-Newton step algoritmu hledající řešení self-dual modelu. Za nejlepší považuji algoritmy AF-L, F-LP1, AF-LP1 a AF-L-mixed. Tyto algoritmy adaptivním způsobem upravují barrier update parameter během výpočtu. Všechny algoritmy i získané výsledky byly implementovány a vizualizovány v programu MatLab. |
Keywords: | dlouhý krok; Newtonova metoda vnitřního bodu; L_1 regrese |
Thesis title: | Long steps in IPM and L_1-regression |
---|---|
Author: | Šicková, Barbora |
Thesis type: | Bachelor thesis |
Supervisor: | Černý, Michal |
Opponents: | Sokol, Ondřej |
Thesis language: | Slovensky |
Abstract: | This work deals with Newton method of interior point which is applied on finding estimation of polynomial L_1 regression. The aim of this thesis is to find new modifications of long step choice in Newton method in order to find faster solution of L_1 estimations for large data sets. Designed modifications are based on full-Newton step algorithm for the self-dual model. According to reasults, the best are algorithms AF-L, F-LP1, AF-LP1 a AF-L-mixed, which modify the barrier update parameter in adaptive way. Algorithms and obtained results were implemented end visualized in MatLab. |
Keywords: | L_1 regression; Newton method; long step |
Information about study
Study programme: | Kvantitativní metody v ekonomice/Matematické metody v ekonomii |
---|---|
Type of study programme: | Bakalářský studijní program |
Assigned degree: | Bc. |
Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
Faculty: | Faculty of Informatics and Statistics |
Department: | Department of Econometrics |
Information on submission and defense
Date of assignment: | 23. 11. 2015 |
---|---|
Date of submission: | 1. 6. 2016 |
Date of defense: | 21. 6. 2016 |
Identifier in the InSIS system: | https://insis.vse.cz/zp/55257/podrobnosti |