使用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際應(yīng)用問題涉及模型的建立、訓(xùn)練及評估等步驟。優(yōu)化算法常被用于訓(xùn)練模型的參數(shù)，是機(jī)器學(xué)習(xí)的重要組成部分。機(jī)器學(xué)習(xí)模型的訓(xùn)練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗(yàn)知識�；�于梯度的算法（例如加速梯度法、隨機(jī)梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADMM）則是求解帶約束優(yōu)化問題的有力工具。《BR》　　本書概述了機(jī)器學(xué)習(xí)中ADMM的新進(jìn)展。書中全面介紹了各種情形下的ADMM，包括確定性和隨機(jī)性的算法、集中式和分布式的算法，以及求解凸問題和非凸問題的算法，深入介紹了各個算法的核心思想，并為算法的收斂性和收斂速度提供了詳細(xì)的證明。

更多科學(xué)出版社服務(wù)，請掃碼獲取。