崔辉（Teo，Choon Hui）;Vishwanthan，S.V.N.公司。;亚历克斯·斯莫拉。;Le，Quoc V。 正则化风险最小化的捆绑方法。 （英语） Zbl 1242.68253号 J.马赫。学习。物件。 11, 311-365 (2010). 摘要：各种各样的机器学习问题都可以描述为最小化正则化风险泛函，不同的算法使用不同的风险概念和不同的正则化器。示例包括线性支持向量机（SVM）、高斯过程、逻辑回归、条件随机场（CRF）和套索等。本文描述了一个可扩展的模块化凸解算器的理论和实现，它解决了所有这些估计问题。它可以在工作站集群上并行化，考虑到数据的长度，并且可以处理正则化器，例如（L_{1}）和（L_}）惩罚。除了统一的框架外，我们还提出了紧收敛边界，这表明我们的算法对于一般凸问题收敛于（O（1/ε）步到（ε）精度，对于连续可微问题收敛于。我们演示了通用求解器在各种公共可用数据集上的性能。 引用于23文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62J02型 一般非线性回归 关键词：优化;次梯度方法;切割平面法;束方法;正则化风险最小化;并行优化 软件：伦敦银行支持向量机;LIBLINEAR银行;PNEW公司;SVM灯;bmrm公司 PDF格式BibTeX公司 XML格式引用 \textit{C.H.Teo}等人，J.Mach。学习。第11、311--365号决议（2010年；Zbl 1242.68253） 全文： 链接