会员服务
Engineering · 批量梯度下降法 · 线性回归 · 簇 · 优化器 ·
2020 年 8 月 19 日
LMFAO: An Engine for Batches of Group-By Aggregates
翻译：LMFAO: 一组总量电池的引擎
Maximilian Schleich,Dan Olteanu
Maximilian Schleich,Dan Olteanu
from arxiv, 4 pages, 4 figures

LMFAO is an in-memory optimization and execution engine for large batches of group-by aggregates over joins. Such database workloads capture the data-intensive computation of a variety of data science applications. We demonstrate LMFAO for three popular models: ridge linear regression with batch gradient descent, decision trees with CART, and clustering with Rk-means.


翻译：LMFAO是大型集成集成合并后的一组集成的模拟优化和执行引擎,这种数据库工作量包含各种数据科学应用的数据密集计算。 我们为三种流行模型展示LMFAO:带分批梯度梯度的山脊线性回归、带CART的决定树和以Rk方式的集群。
0
下载
关闭预览

相关内容

《工程》是中国工程院（CAE）于2015年推出的国际开放存取期刊。其目的是提供一个高水平的平台，传播和分享工程研发的前沿进展、当前主要研究成果和关键成果；报告工程科学的进展，讨论工程发展的热点、兴趣领域、挑战和前景，在工程中考虑人与环境的福祉和伦理道德，鼓励具有深远经济和社会意义的工程突破和创新，使之达到国际先进水平，成为新的生产力，从而改变世界，造福人类，创造新的未来。 期刊链接：https://www.sciencedirect.com/journal/engineering
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
78+阅读 · 2020年7月26日
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
专知会员服务
88+阅读 · 2020年2月12日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
161+阅读 · 2020年1月16日
【O'Reilly TensorFlow Conference 2019】TensorFlow，开源和IBM（TensorFlow, open source, and IBM ），IBM | Fred Reiss
【O'Reilly TensorFlow Conference 2019】TensorFlow，开源和IBM（TensorFlow, open source, and IBM ），IBM | Fred Reiss
专知会员服务
10+阅读 · 2019年11月14日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
240+阅读 · 2019年10月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Soft-NMS – Improving Object Detection With One Line of Code
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】SVM实例教程
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Neural Architecture Generator Optimization
Arxiv
6+阅读 · 2020年10月8日
Learning to Personalize for Web Search Sessions
Arxiv
7+阅读 · 2020年9月17日
Learning to Propagate for Graph Meta-Learning
Arxiv
14+阅读 · 2019年9月11日
Adaptive Neural Trees
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
Detect-to-Retrieve: Efficient Regional Aggregation for Image Search
Arxiv
15+阅读 · 2018年12月4日
Efficient and Effective $L_0$ Feature Selection
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Attention-based Graph Neural Network for Semi-supervised Learning
Arxiv
3+阅读 · 2018年3月10日
Simultaneously Self-Attending to All Mentions for Full-Abstract Biological Relation Extraction
Arxiv
9+阅读 · 2018年2月28日
The Search Problem in Mixture Models
Arxiv
3+阅读 · 2018年2月24日
A Projected Gradient Descent Method for CRF Inference allowing End-To-End Training of Arbitrary Pairwise Potentials
Arxiv
3+阅读 · 2018年1月2日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Engineering
批量梯度下降法
线性回归
簇
优化器
相关VIP内容
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
78+阅读 · 2020年7月26日
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
专知会员服务
88+阅读 · 2020年2月12日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
161+阅读 · 2020年1月16日
【O'Reilly TensorFlow Conference 2019】TensorFlow，开源和IBM（TensorFlow, open source, and IBM ），IBM | Fred Reiss
【O'Reilly TensorFlow Conference 2019】TensorFlow，开源和IBM（TensorFlow, open source, and IBM ），IBM | Fred Reiss
专知会员服务
10+阅读 · 2019年11月14日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
240+阅读 · 2019年10月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Soft-NMS – Improving Object Detection With One Line of Code
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】SVM实例教程
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Neural Architecture Generator Optimization
Arxiv
6+阅读 · 2020年10月8日
Learning to Personalize for Web Search Sessions
Arxiv
7+阅读 · 2020年9月17日
Learning to Propagate for Graph Meta-Learning
Arxiv
14+阅读 · 2019年9月11日
Adaptive Neural Trees
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
Detect-to-Retrieve: Efficient Regional Aggregation for Image Search
Arxiv
15+阅读 · 2018年12月4日
Efficient and Effective $L_0$ Feature Selection
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Attention-based Graph Neural Network for Semi-supervised Learning
Arxiv
3+阅读 · 2018年3月10日
Simultaneously Self-Attending to All Mentions for Full-Abstract Biological Relation Extraction
Arxiv
9+阅读 · 2018年2月28日
The Search Problem in Mixture Models
Arxiv
3+阅读 · 2018年2月24日
A Projected Gradient Descent Method for CRF Inference allowing End-To-End Training of Arbitrary Pairwise Potentials
Arxiv
3+阅读 · 2018年1月2日
Top
微信扫码咨询专知VIP会员
Top