知识卡片
Huber按预测或样本拆分
Huber 是逐残差作用的非线性函数。按列分片时先相加各列块的预测再计算残差,才能在完整残差上确定二次段或线性段。按行分片时每个节点已经拥有完整的局部预测和标签,可评估局部 Huber 损失,再通过一致性变量协调系数。
相关机制见 [[特征分片汇总预测]]。
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
原书出处 · 1 处
- Huber回归 4.3.1 基于特征划分的Huber函数 · 查看原书依据
基于特征划分的Huber损失问题可以描述为如下形式
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4章《Huber回归》4.3.1 基于特征划分的Huber函数(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/chapter4.xhtml)
- 结论依据:4.3.1 基于特征划分的Huber函数中的定义、更新式或实验叙述提供本卡依据。Huber 是逐残差作用的非线性函数。
- 原始内容:基于特征划分的Huber损失问题可以描述为如下形式