扩展坐标下降算法以处理大规模 $\ell_1$ 正则化问题
机器学习
2012-07-04 v1 分布式、并行与集群计算
机器学习
摘要
我们提出了一个并行坐标下降（CD）算法的通用框架，该框架包括作为特例的原始顺序算法Cyclic CD和Stochastic CD，以及最近的并行Shotgun算法。我们引入了两个也是特例的新型并行算法——Thread-Greedy CD和Coloring-Based CD——并给出了这些算法的OpenMP实现的性能测量。
引用
@article{arxiv.1206.6409,
title = {Scaling Up Coordinate Descent Algorithms for Large $\ell_1$ Regularization Problems},
author = {Chad Scherrer and Mahantesh Halappanavar and Ambuj Tewari and David Haglin},
journal= {arXiv preprint arXiv:1206.6409},
year = {2012}
}
备注
Appears in Proceedings of the 29th International Conference on Machine Learning (ICML 2012)