机器学习与凸优化技术总概括(statistical machine learning and convex optimization)

目前大数据技术应用面越来越广,比如:投放广告、推荐系统、目标识别、生物科技、健康医疗等等,掌握必要的大数据技术有利于挖掘数据背后的价值。

引言

大规模机器学习与优化技术
函数类(凸函数,平滑函数等)
传统的统计分析方法

凸优化经典方法

平滑优化
非平滑优化
邻d近优化

经典随机逼近

渐进分析
Robbins-Monro 算法
Polyak-Rupert 平均

非平滑随机逼近

随机梯度和平均
非渐进的结果
强凸VS非强凸

平滑随机渐进算法

Non-asymptotic analysis for smooth functions
Logistic regression
Least-squares regression without decaying step-sizes

有限的数据集

Gradient methods with exponential convergence rates
Convex duality
Dual stochastic coordinate descent - Frank-Wolfe

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容