帮助关于我们

返回检索结果

L1正则化机器学习问题求解分析
Solution Analysis of L1 Regularized Machine Learning Problem

查看参考文献8篇

孔康 ¹ 汪群山 ² 梁万路 ¹

文摘	以稀疏学习为主线,从多阶段、多步骤优化思想的角度出发,对当前流行的L1正则化求解算法进行分类,比较基于次梯度的多步骤方法、基于坐标优化的多阶段方法,以及软L1正则化方法的收敛性能、时空复杂度和解的稀疏程度。分析表明,基于机器学习问题特殊结构的学习算法可以获得较好的稀疏性和较快的收敛速度
其他语种文摘	To deal with the new time and space challenges of the machine learning problem algorithms from large scale data,this paper focuses on sparse-learning and categorizes the L1 regularized problem’s the-state-of-the-art solvers from the view of multi-stage and multi-step optimization schemes.It compares the algorithms’convergence properties,time and space cost and the sparsity of these solvers.The analysis shows that those algorithms sufficiently exploiting the machine learning problem’s specific structure obtain better sparsity as well as faster convergence rate.
来源	计算机工程 ,2011,37(17):175-177 【核心库】
关键词	L1正则化 ; 机器学习 ; 稀疏性 ; 多阶段 ; 多步骤
地址	1. 解放军炮兵学院五系, 合肥, 230031 2. 解放军炮兵学院二系, 合肥, 230031
语种	中文
文献类型	研究性论文
ISSN	1000-3428
学科	自动化技术、计算机技术
基金	国家自然科学基金
文献收藏号	CSCD:4306094

参考文献共 8 共1页

	1. 黄诗华. 基于机器学习的自然特征匹配方法. 计算机工程,2010,36(20):182-184	被引 5 次
	2. Yuan Guoxun. A Comparison of Optimization Methods for Large-scale L1-regularized Linear Classification,2009	被引 1 次
	3. Zhang Tong. Solving Large Scale Linear Prediction Problems Using Stochastic Gradient Descent Algorithms. Proc.of the 21st International Conference on Machine Learning,2004:919-936	被引 1 次
	4. Duchi J. Efficient Projections onto the L1-ball for Learning in High Dimensions. Proc.of the 25th International Conference on Machine Learning,2008:272-279	被引 1 次
	5. Langford J. Sparse Online Learning via Truncated Gradient,2009	被引 1 次
	6. Duchi J. Efficient Online and Batch Learning Using Forward Backward Splitting,2009	被引 1 次
	7. Shalev-Shwartz S. Stochastic Methods for L1 Regularized Loss Minimization. Proc.of the 26th International Conference on Machine Learning,2009:929-936	被引 1 次
	8. Xiao Lin. Dual Averaging Methods for Regularized Stochastic Learning and Online Optimization,2010	被引 1 次

引证文献 7 篇

1 刘建伟 L1+L2正则化逻辑斯蒂模型分类算法计算机工程,2012,38(13):148-151
被引 0 次

2 王惊晓一种具有最优收敛速度的正则化境面下降算法计算机工程,2014,40(6):148-153
被引 1 次

显示所有7篇文献

论文科学数据集

PlumX Metrics

相关文献
作者相关关键词相关参考文献相关

版权所有 ©2008 中国科学院文献情报中心制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号