[发明专利]用于机器学习模型的并行化坐标下降法在审
| 申请号： | 201811570862.2 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109978175A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | B-C·陈;D·阿加瓦尔;A·舍尔科夫尼科夫;J·弗莱明;马一鸣 | 申请（专利权）人： | 微软技术许可有限责任公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06Q50/00 |
| 代理公司： | 永新专利商标代理有限公司 72002 | 代理人： | 张立达;王英 |
| 地址： | 美国华*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 执行机器学习模型训练过程的迭代直到发生收敛为止。使用第一机器学习算法来训练固定效应机器学习模型。通过将所训练的固定效应机器学习模型的结果与第一组目标结果进行比较来确定固定效应机器学习模型的训练残差。使用第二机器学习算法和固定效应机器学习模型的训练残差来训练第一随机效应机器学习模型。通过将所训练的第一随机效应机器学习模型的结果与第二组目标结果进行比较来确定第一随机效应机器学习模型的训练残差。在每次后续迭代中，对固定效应机器学习模型的训练使用在先前迭代中训练的最后机器学习模型的训练残差。 | ||
| 搜索关键词： | 机器学习模型 固定效应 残差 随机效应 机器学习算法 目标结果 迭代 后续迭代 训练过程 并行化 下降法 收敛 | ||
【主权项】：
1.一种系统，包括：其上存储有指令的计算机可读介质，所述指令在由处理器执行时使得所述系统进行以下操作：执行对机器学习模型训练过程的一次或多次迭代，所述一次或多次迭代持续到满足收敛测试为止，每次迭代包括：使用第一机器学习算法来训练固定效应机器学习模型；通过将所训练的固定效应机器学习模型的结果与第一组目标结果进行比较来确定所述固定效应机器学习模型的训练残差；使用第二机器学习算法和所述固定效应机器学习模型的训练残差来训练第一随机效应机器学习模型；以及通过将所训练的第一随机效应机器学习模型的结果与第二组目标结果进行比较来确定所述第一随机效应机器学习模型的训练残差；并且其中，在每次后续迭代中，对所述固定效应机器学习模型的训练使用在先前迭代中训练的最后机器学习模型的训练残差。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于微软技术许可有限责任公司，未经微软技术许可有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811570862.2/，转载请声明来源钻瓜专利网。
