区分的アフィン下限による高速かつ正確な最小絶対偏差線形フィッティング

本論文では、最小絶対偏差（LAD）線形フィッティング問題を解決するための新しいアルゴリズムである区分的アフィン下限（PALB）を紹介しています。LADは外れ値に対してロバストですが、最小二乗法と比較して計算コストが高くなります。著者らは、既存のLADアルゴリズムの容易に入手可能で効率的な実装の欠如に対処するために、PALBを提示します。アルゴリズムの正しさが証明され、合成データセットと実世界のデータセットでそのパフォーマンスが経験的に検証され、LPベースおよびIRLSベースのソルバーと比較して対数線形スケーリングと優れた速度が示されています。Python APIを備えたRust実装の可用性は、この研究の実用的な価値を高め、より幅広い読者がアクセスできるようにします。この研究は、LAD線形フィッティングのための高速、正確、かつすぐに使用できるソリューションを提供することにより、この分野に大きく貢献しています。

• •LAD線形フィッティングのための新しいアルゴリズム（PALB）を紹介。
• •PALBは既存の方法よりも高速かつ正確。
• •Python APIを備えたRust実装を提供。