如何选择包来解决Python中的凸优化问题？

我的问题定义如下：

最小∑（| | xi Xci | | ^2+λ| | ci |）

s、 t cii=0

其中x为形状矩阵d*n和c是n*n，席和 ci是指分别由X和C组成的列

X在这里是已知的，基于X我们想要找到C

我现在有几个选项，我已经在tensorflow中有了这个版本，它使用了

AdamOptimizer

。我只是想知道，有什么办法可以更有效地解决这个问题吗？

cvxpy

或

cvxopt

会更好地解决这个问题吗

---

如果你们中的任何人能给我一个除tensorflow之外的任何一种方法的实现，我将不胜感激。

我想，目标函数与字典学习（例如，你的X）和稀疏编码（你的ci）有关，Python中有几个很好的库

看一看字典学习。或者，您可以使用进行优化

你已经知道你的字典，所以你需要知道的是稀疏代码。我认为使用scikit学习稀疏编码器将是最简单的方法

---

如果你想在优化过程中拥有更大的权力，你可以自己在Theano（或Keras、千层面、TensorFlow）中实现它。

最好使用Latex重写你的方程，使其更具可读性，这样更多的人会研究你的问题。分析得好！还有一篇维基文章提到了可能的算法，其中一些已经在scikit learn中实现。如果OP希望在cvxpy中使用通用凸优化方法，套索方法应该是一个很好的起点。