坐标下降法(coordinate descent)是一种非梯度优化算法。算法在每次迭代中,在当前点处沿一个坐标方向进行一维搜索以求得一个函数的局部极小值。在整个过程中循环使用不同的坐标方向。对于不可拆分的函数而言,算法可能无法在较小的迭代步数中求得最优解。为了加速收敛,可以采用一个适当的坐标系,例如通过主成分分析获得一个坐标间尽可能不相互关联的新坐标系.
2021 CSIG机器视觉与智能研讨会成功召开
CSIG机器视觉专委会
2+阅读 · 2021年11月23日
KDD 2020 开源论文 | 稀疏优化的块分解算法
PaperWeekly
0+阅读 · 2020年8月29日
sklearn集成学习:如何调参?
数据挖掘入门与实战
5+阅读 · 2017年7月21日
支撑向量机 (下)
平均机器
0+阅读 · 2017年6月29日
【预告】2021CSIG机器视觉与智能研讨会将于11月19-21日举办
中国图象图形学学会CSIG
0+阅读 · 2021年11月5日
sklearn集成学习:如何调参?
北京思腾合力科技有限公司
9+阅读 · 2017年10月20日
机器学习中的优化方法小结
极市平台
0+阅读 · 2020年7月26日
从Bengio演讲发散开来:探讨逻辑推理与机器学习
机器之心
1+阅读 · 2020年10月12日
干货 | 详解scikit-learn中随机森林(RF)和梯度提升决策树(GBDT)的参数调优
机器学习算法与Python学习
6+阅读 · 2017年7月26日
参考链接
微信扫码咨询专知VIP会员