论文部分内容阅读
COMID（Composite Objective Mlrror Descent）是一种能够保证L1正则化结构的在线算法，其随机收敛速率可由在线算法的regret界直接得到，但其最终解是T次迭代平均的形式，稀疏性很差．瞬时解具有很好的稀疏性，因此分析算法的瞬时收敛速率在随机学习中变得越来越重要．本文讨论正则化非光滑损失的随机优化问题，当正则化项为L1和L1＋12时，分别证明了COMID的瞬时收敛速率．大规模数据库上的实验表明，在保证几乎相同正确率的同时，瞬时解一致地提高了稀疏性，尤其是对稀疏性较差的数据库