分布式小批量SDCA
机器学习
2015-07-31 v1 最优化与控制
摘要
我们提出了针对正则化经验损失最小化（即 SVM 与 SVM 类目标）的小批量随机对偶坐标上升 (mini-batched stochastic dual coordinate ascent, SDCA) 的改进分析。我们的分析允许灵活的采样方案，包括数据分布在多台机器上的情况，并结合了对损失的光滑性和/或数据散布（通过谱范数度量）的依赖性。
引用
@article{arxiv.1507.08322,
title = {Distributed Mini-Batch SDCA},
author = {Martin Takáč and Peter Richtárik and Nathan Srebro},
journal= {arXiv preprint arXiv:1507.08322},
year = {2015}
}