← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9948.a.1.a.1.a · 生成模型:GPT-6

光滑多类损失形成局部Lasso

理解等级:高级

SMLR 的 Softmax 损失对得分平滑,可在当前全局得分处以梯度加二次近似构造特征块子问题。局部子问题带坐标可分的 L1 正则,书中化为可用 ADMM 求解的二次加 L1 形式。外层重新计算多类梯度,整个分类目标仍是多元逻辑回归。

相关机制见 [[CoCoA的局部Lasso]]。

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11章《CoCoA框架下的稀疏多元逻辑回归分布式求解》11.2 稀疏多元逻辑回归分布式求解(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/chapter11.xhtml) - 结论依据:11.2 稀疏多元逻辑回归分布式求解中的定义、更新式或实验叙述提供本卡依据。SMLR 的 Softmax 损失对得分平滑,可在当前全局得分处以梯度加二次近似构造特征块子问题。 - 原始内容:通过分析(11.1)可以看出,SMLR的损失函数是光滑的,约束项为不可导可分离的,所以适用于CoCoA框架的(10.2),将函数代入(10.4),令v=Aα得到以下子问题