文件名称：spark-ml-optimization
文件大小：31KB
文件格式：ZIP
更新时间：2024-06-06 09:03:46
Scala
spark-ml优化 这些是针对ML分类器进行大规模优化的Spark实现。 支持以下算法：IPA（迭代参数平均），PH（渐进对冲）和ADMM（乘数的交替方向方法）。 可以在以下博客中找到算法和实现的描述： : （个人博客）或 优化例程位于程序包优化中。 该算法形成标准的火花优化数据类，因此可以以相同的方式使用。 唯一的区别是用户可以指定学习率函数（除了指定步长因子之外，我们还允许自定义步长函数）。 因此，学习率函数为：stepSize * stepSizeFunction（iteration_count）。 原因是这样的事实，通常在spark中，stepSize / sqrt（iteration count）类型的默认实现不能很好地工作。 对于ADMM和PH，还可以自定义解决正则化问题。 该类是：正则化优化。 我们编写了L2实现（为L1创建类似的类很容易）。 程序包分类基于IPA
【文件预览】：
spark-ml-optimization-master
----src()
--------main()
----run(33B)
----LICENSE(10KB)
----onlyRun(224B)
----README.md(2KB)
----.idea()
--------uiDesigner.xml(9KB)
----ml.conf(103B)
----build.sbt(451B)