随机梯度下降 SVM 训练的多点合并预算维护
机器学习
2018-06-28 v1 机器学习
摘要
预算随机梯度下降（BSGD）是训练大规模核支持向量机的最先进技术。每当超出预定义预算时，通过合并两个点来增量地维护预算约束。寻找合适合并伙伴的过程代价高昂；它可占总训练时间的 45%。在本文中，我们研究计算效率更高的方案，一次性合并多于两个点。我们在不牺牲精度的情况下获得了显著加速。
引用
@article{arxiv.1806.10179,
title = {Multi-Merge Budget Maintenance for Stochastic Gradient Descent SVM Training},
author = {Sahar Qaadan and Tobias Glasmachers},
journal= {arXiv preprint arXiv:1806.10179},
year = {2018}
}