论文部分内容阅读
给出了一种人规模核Logistic回归的并行学习算法．利用凸优化中的Fenchel对偶定理，将核Logistic回归的优化原问题转换成对偶空间的优化问题，再利用块更新迭代方法，可以独立地在部分数据集上进行分类器训练．设计了一个简单的客户机-服务器并行计算模式，每个客户机对部分数据优化子问题，在一次优化结束后，服务器根据各客户机传递的信息修正各子问题目标函数．在标准数据集的实验结果表明了基于Fenchel对偶的核Logistic回归并行学习算法的可行性．