×

求解二元逻辑回归的确定性一阶方法的一些最坏情况数据集。 (英语) Zbl 1469.90090号

摘要:本文给出了求解大规模二元logistic回归问题的确定性一阶方法的一些最坏情况数据集。在假设算法迭代次数远小于问题维的情况下,对于最坏情况的数据集,它至少需要(mathcal{O}(1/\sqrt{varepsilon}))一阶oracle查询来计算(varepsilen)近似解。从传统迭代复杂性分析的角度来看,带有最坏情况数据集的二元逻辑回归损失函数是一类光滑凸优化问题中新的最坏情况函数实例。

MSC公司:

90C06型 数学规划中的大尺度问题
90C25型 凸面编程
90立方 非线性规划
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] F.Bach,逻辑回归的自洽分析,《电子统计杂志》,4,384-414(2010)·Zbl 1329.62324号 ·doi:10.1214/09-EJS521
[2] Y.Carmon,J.C Duchi,O.Hinder和A.Sidford,寻找驻点Ⅰ的下限,数学规划, 2019, 1-50. ·Zbl 1451.90128号
[3] Y.Carmon,J.C Duchi,O.Hinder和A.Sidford,寻找驻点的下限Ⅱ:一阶方法,数学规划, 2019, 1-41. ·Zbl 1451.90128号
[4] J.Diakonikolas和C.Guzmán,并行和随机凸优化的下界,In学习理论会议, 2019, 1132-1157.
[5] Y.Drori,光滑凸最小化的精确信息复杂性,复杂性杂志,39,1-16(2017)·Zbl 1357.68072号 ·doi:10.1016/j.co.2016.11.001
[6] C.古兹曼;A.Nemirovski,《关于大规模光滑凸优化的复杂度下限》,《复杂性杂志》,31,1-14(2015)·Zbl 1304.65155号 ·doi:10.1016/j.jco.2014.08.003
[7] A.朱迪茨基;Y.Nesterov,一致凸最小化的确定性和随机原对偶次梯度算法,随机系统,44-80(2014)·Zbl 1297.90097号 ·doi:10.1214/10-SSY010
[8] A.内米洛夫斯基和D.尤丁,优化中的问题复杂性和方法效率《Wiley-离散数学交叉科学系列》。John Wiley,XV,1983年·Zbl 0501.90062号
[9] A.S.Nemirovski,线性算子方程基于信息的复杂性,复杂性杂志,8153-175(1992)·Zbl 0758.65044号 ·doi:10.1016/0885-064X(92)90013-2
[10] Y.E.Nesterov,凸优化入门讲座:基础课程,Kluwer学术出版社,马萨诸塞州,2004年·兹比尔1086.90045
[11] 欧阳,徐勇,凸凹双线性鞍点问题一阶方法的复杂度下限,数学规划, 2019, 1-35. ·Zbl 1458.90516号
[12] B.E Woodworth和N.Srebro,优化复合目标的严格复杂性界限,In神经信息处理系统研究进展, 2016, 3639-3647.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。