作者 | 林宙辰,李欢,方聪 |
出版社 | 科学出版社 |
详情 | 开 本:16开纸 张:胶版纸包 装:平装是否套装:否国际标准书号ISBN:9787030747587丛书名:大数据与数据科学专著系列所属分类:图书->计算机/网络->人工智能->机器学习 |
作者介绍 | |
内容简介 | 使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数,是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题,约束可以为模型增加更多的先验知识。基于梯度的算法(例如加速梯度法、随机梯度法等)是求解无约束优化问题的常用方法,而交替方向乘子法(ADMM)则是求解带约束优化问题的有力工具。《BR》 本书概述了机器学习中ADMM的新进展。书中全面介绍了各种情形下的ADMM,包括确定性和随机性的算法、集中式和分布式的算法,以及求解凸问题和非凸问题的算法,深入介绍了各个算法的核心思想,并为算法的收敛性和收敛速度提供了详细的证明。 |
内容试读 |