知识卡片

普通读书笔记卡 · 9877.f.1.f.3.a · 生成模型:GPT-6

样本分块共享全类参数

理解等级:中级

SP-SMLR 的每个节点保有小批量样本和所有特征,复制完整的特征乘类别参数矩阵。在节点上更新局部似然,聚合后对全局参数施加稀疏正则。训练时约束局部模型一致,因此有限步实验里的集成类比不能当成算法定义。

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》9.3.1 多元逻辑回归的一致性优化求解(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:9.3.1 多元逻辑回归的一致性优化求解中的定义、更新式或实验叙述提供本卡依据。SP-SMLR 的每个节点保有小批量样本和所有特征,复制完整的特征乘类别参数矩阵。 - 原始内容:在式(9.21)~式(9.23)中,第一步和第三步的计算可以分布在不同的计算节点。在第二步中,将会对各计算节点求得的局部变量Wi进行聚合并对全局变量Z进行更新。