zoukankan      html  css  js  c++  java
  • 一种适合于大数据的并行坐标下降法

    版权声明:本文为博主原创文章,未经博主同意不得转载。

    https://blog.csdn.net/peghoty/article/details/28329603

      
           在机器学习中,模型的训练是一个非常重要的过程,它一般是对一个目标函数进行优化。从而获取模型的參数。比較常见的优化算法包含梯度下降法、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。优化算法一般是越简单越好,如坐标下降法(CD)和随机梯度下降法(SCG)就比較受欢迎。

    
    
           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、參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.


查看全文
  • 相关阅读:
    Java虚拟机的内存模型
    JAVA 对文件的操作
    JAVA 读取 YAML 文件
    Nginx 502 问题解决 及 安装
    Python pdb 调试 命令
    pycharm设置鼠标控制字体大小
    ISO9126 软件质量模型
    人生苦短我学Java9面向对象三大特性之多态 广深
    Golang微服务入门到精通之路3类的封装/继承/多态/接口类型 广深
    人生苦短我学Java10final关键字/代码块/抽象类 广深
  • 原文地址:https://www.cnblogs.com/ldxsuanfa/p/10574142.html
  • Copyright © 2011-2022 走看看