您的位置：首页 > 大数据

一种适合于大数据的并行坐标下降法

2014-06-03 23:43 465 查看 
 
在机器学习中，模型的训练是一个很重要的过程，它通常是对一个目标函数进行优化，从而获取模型的参数，比较常见的优化算法包括梯度下降法、牛顿法与拟牛顿法等。但在大数据的背景下，尤其对于并行实现来说，优化算法通常是越简单越好，如坐标下降法（CD）和随机梯度下降法（SCG）就比较受欢迎。
本文是阅读完论文 Distributed Coordinate Descent Method for Learning with Big Data 后的一则笔记，主要介绍算法 Hydra （一种分布式坐标下降法）的算法框架、收敛性理论、参数选取和并行实现细节。
作者: peghoty 出处: http://blog.csdn.net/itplus/article/details/28329603欢迎转载/分享, 但请务必声明文章出处.
                                            

                                        

                        
                        内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息 
                    

                    

                    

                        

                         标签： 
                                                大数据
                                                坐标下降
                                                distributed
                                                Hydra
                                                L1-regularization
                                                

                        

                    


                

            


            

                
相关文章推荐

                

                
            

        

        

            

            
            

                

                    
新的分享

                    

                        
                    

                

            


            

                

                    
章节导航