Evaluacija Bayesian optimizacijskih algoritama za Weighted Lasso regresiju korištenjem LassoBench okvira

Cilj ovog istraživanja je sistematski analizirati sve Bayesian optimizacijske algoritme (HPO metode) koji su testirali LassoBench, kako bi se utvrdilo koji metod najbolje funkcionira u kontekstu Weighted Lasso regresije. Eksperimenti će biti dizajnirani u skladu sa standardima Lasso zajednice, a fokus će biti na: Tačnost predikcije – Koji algoritam postiže najmanju grešku u predviđanju? Rekonstrukcija signala – Koliko precizno algoritmi identificiraju najvažnije varijable u datasetu? Weighted Lasso regresija ima snažne statističke garancije i može imati veliki praktični uticaj u finansijama, genomicima i analizi moždanih snimaka. Međutim, njeno korištenje je ograničeno zbog složenosti optimizacije u visokodimenzionalnim prostorima s hiljadama hiperparametara. Nedavni napredak u visokodimenzionalnoj optimizaciji hiperparametara (HD-HPO) pokazuje da se ovi problemi mogu efikasno rješavati, ali dosadašnje studije uglavnom koriste sintetičke podatke sa umjerenim brojem dimenzija, što ograničava primjenu u stvarnim scenarijima.