← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 9877.f.1.f.2 · 生成模型:GPT-6

重加权代理绕开尖点

理解等级:中级

迭代重加权最小二乘法为稀疏多元逻辑回归构造目标的局部代理,在旧参数处贴合,并用曲率界处理似然与先验。每步可变为加权线性系统,高维和多类别时联合参数矩阵很大,代理虽然易解于形式,构造和分解的成本仍会成为瓶颈。

这张卡片看不懂?

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

    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9章《快速稀疏多元逻辑回归》9.1.1 迭代重加权最小二乘法(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/chapter9.xhtml) - 结论依据:9.1.1 迭代重加权最小二乘法中的定义、更新式或实验叙述提供本卡依据。迭代重加权最小二乘法为稀疏多元逻辑回归构造目标的局部代理,在旧参数处贴合,并用曲率界处理似然与先验。 - 原始内容:可以借用边界优化算法的思想,通过引入代理函数Q,并对代理函数Q进行迭代最大化以达到优化L(w)的目的,那么有