袁国勋;张凯伟;谢卓瑞;林志珍 大规模L1规则线性分类优化方法和软件的比较。 (英语) Zbl 1242.62065号 J.马赫。学习。物件。 11, 3183-3234 (2010). 大尺度线性分类在许多领域得到了广泛应用。L1规则化表格可用于特征选择;然而,它的不可微性给训练带来了更多困难。尽管近年来提出了各种优化方法,但尚未进行适当的比较。我们首先广泛回顾了现有的方法。然后我们详细讨论了最先进的软件包,并提出了两种有效的实现方法。大量比较表明,精心实现的坐标下降方法非常适合训练大型文档数据。 引用于1审查引用于31文件 理学硕士: 62H30型 分类和区分;聚类分析(统计方面) 62-04 统计相关问题的软件、源代码等 68T05型 人工智能中的学习和自适应系统 关键词:L1正则化;优化方法;逻辑回归;支持向量机;文件分类 软件:拉索;SVM灯 PDF格式BibTeX公司 XML格式引用 \textit{G.-X.Yuan}等人,J.Mach。学习。第113183-3234号决议(2010年;兹bl 1242.62065) 全文: 链接