Approche de Douglas-Rachford aléatoire par blocs appliquée à la régression logistique parcimonieuse

Résumé : Dans cet article, nous proposons un nouvel algorithme d'optimisation stochastique pour la régression logistique parcimonieuse, basé sur une version aléatoire par blocs de l'algorithme de Douglas-Rachford. Notre algorithme parcourt la base d'apprentissage en sélectionnant aléatoirement un bloc de données à chaque itération, puis réalise l'étape de mise à jour en utilisant l'opérateur proximal de la fonction de coût logistique, dont nous donnons une expression explicite. Les tests réalisés sur plusieurs jeux de données démontrent l'efficacité de notre algorithme par rapport aux méthodes de type gradient stochastique.
Type de document :
Communication dans un congrès
GRETSI 2017, Sep 2017, Juan les Pins, France. pp.1-4, 2017, Actes du 26e colloque GRETSI
Liste complète des métadonnées

Littérature citée [22 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01634525
Contributeur : Emilie Chouzenoux <>
Soumis le : mardi 14 novembre 2017 - 11:25:40
Dernière modification le : jeudi 5 juillet 2018 - 14:45:35
Document(s) archivé(s) le : jeudi 15 février 2018 - 14:13:07

Fichier

chouzenoux71_final.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01634525, version 1

Citation

Giovanni Chierchia, Afef Cherni, Emilie Chouzenoux, Jean-Christophe Pesquet. Approche de Douglas-Rachford aléatoire par blocs appliquée à la régression logistique parcimonieuse. GRETSI 2017, Sep 2017, Juan les Pins, France. pp.1-4, 2017, Actes du 26e colloque GRETSI. 〈hal-01634525〉

Partager

Métriques

Consultations de la notice

250

Téléchargements de fichiers

80