知识卡片
样本分片汇总系数
按样本切分 Lasso 时,每个 Aᵢ 保留所有特征列,局部 xᵢ 与全局 z 同维。节点只用自己的 Aᵢ、bᵢ 拟合并受一致性罚项约束。对于损失求和且 ρ 相同的模型,中心对 xᵢ+uᵢ 的均值用阈值 λ/(Nρ) 收缩。通信对象的规模由特征维数决定。
相关机制见 [[一致性约束统一模型]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第3章 稀疏回归
原书出处 · 1 处
- 稀疏回归 3.4.1 基于样本划分的Lasso问题 · 查看原书依据
而xi并不是对参数空间进行划分,这里是对数据而言,因此,所有xi的维度都一样,且xi,zi∈Rn,i=1,2,…,N。
参考来源
- 位置:《分布式机器学习:交替方向乘子法在机器学习中的应用》第3章《稀疏回归》3.4.1 基于样本划分的Lasso问题(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter3.xhtml)
- 结论依据:3.4.1 基于样本划分的Lasso问题中的定义、更新式或实验叙述提供本卡依据。按样本切分 Lasso 时,每个 Aᵢ 保留所有特征列,局部 xᵢ 与全局 z 同维。
- 原始内容:而xi并不是对参数空间进行划分,这里是对数据而言,因此,所有xi的维度都一样,且xi,zi∈Rn,i=1,2,…,N。