用于经验风险最小化的对偶自由自适应小批量SDCA
最优化与控制
2018-05-25 v3 机器学习
摘要
在本文中，我们针对正则化经验风险最小化，开发了具有自适应概率的对偶自由小批量SDCA。这项工作受到Shai Shalev-Shwartz近期关于对偶自由SDCA方法的启发，然而，我们允许在SDCA中对“对偶”坐标进行非均匀选择。此外，概率可随时间改变，使其比固定的均匀或非均匀选择更高效。我们还提出了一种通过迭代过程生成随机非均匀小批量的高效流程。文末通过多个数值实验展示了所提算法的效率。
引用
@article{arxiv.1510.06684,
title = {Dual Free Adaptive Mini-batch SDCA for Empirical Risk Minimization},
author = {Xi He and Martin Takáč},
journal= {arXiv preprint arXiv:1510.06684},
year = {2018}
}