2015年8月25日

在线学习算法-RDA（二）

摘要： 在线最优化求解(Online Optimization)之四：RDA转载自：http://www.wbrecom.com/?p=394；作者是大牛不论怎样，简单截断、TG、FOBOS都还是建立在SGD的基础之上的，属于梯度下降类型的方法，这类型方法的优点就是精度比较高，并且TG、FOBOS也都能在稀... 阅读全文

posted @ 2015-08-25 16:53 ILCTW 阅读(4219) 评论(0) 推荐(1)

在线学习算法FOBOS （一）

摘要： FOBOS由John Duchi和Yoram Singer提出，翻译为前进后退分离法。算法主要目的是要在进行在线学习实现以下目标（1）减少在线学习方法只用一条样本的梯度计算产生的误差（2）实现特征的稀疏性 算法原理FOBOS将权重的更新分为两个步骤：（1）前向标准梯度下降 （2）后向梯度微调... 阅读全文

posted @ 2015-08-25 16:44 ILCTW 阅读(1512) 评论(0) 推荐(0)

在线学习

摘要： 流数据：（1）传感器数据 （2）图像、视屏数据 （3）互联网数据 （4）业务数据机器学习：（1）监督学习：给定训练集，预测测试集。训练集包括数据和响应。常见的有监督学习包括分类和回归。（2）无监督学习：该训练集中只包括特征，没有人工标注的目标。常见的务监督学习方法包括聚类和密度估计。（3）半监督学习... 阅读全文

posted @ 2015-08-25 15:56 ILCTW 阅读(514) 评论(0) 推荐(0)

导航