Разработка и обоснование методов параллельного покоординатного спуска для обучения обобщенных линейных моделей с регуляризацией

Обобщенные линейные модели с регуляризацией часто применяются для решения задач машинного обучения и анализа данных. Во многих практических задачах возникают большие обучающие выборки. В качестве примера можно привести задачи поиска в интернете, онлайн рекламы, обработки текстов, анализа показателей датчиков, генетики и т.д. Такие задачи характеризуются большим числом обучающих примеров, высокой размерностью, или и тем и другим одновременно. Желательным свойством является разреженность полученного решения. Если в этих задачах использовать для обучения только часть имеющихся данных, то качество прогноза, как правило, падает.
В диссертационном исследовании разработан метод параллельного покоординатного спуска для обучения обобщенных линейных моделей с регуляризацией.
Разработанный метод применим для больших обучающих выборок и подходит для выполнения на вычислительном кластере или многопроцессорной системе.