के लिए उपकरण मैं कुछ सौ हजार उदाहरणों के साथ कम उच्च आयामी (कुछ हज़ार फीचर्स) कम से कम वर्ग रिग्रेशन करना चाहता हूं। मैं गैर फैंसी ऑप्टिमाइज़ेशन का उपयोग करने में प्रसन्न हूं - स्टोकास्टिक ग्रेडिएंट वंश ठीक है।स्पैस कम से कम वर्ग रिग्रेशन
क्या किसी को यह करने के लिए पहले से लागू किसी भी सॉफ्टवेयर के बारे में पता है, तो मुझे खुद को लिखना नहीं है?
दयालु संबंध।
जबकि मुझे यकीन नहीं है, यह मुझे इस तरह की चीज के रूप में मारता है कि LAPACK (रैखिक बीजगणित पैकेज) के लिए समर्थन प्रदान करने में सक्षम हो जाएगा। वे आमतौर पर बड़े मैट्रिक्स गणित में रुचि रखते हैं, जिसमें स्पैर मैट्रिस और आउट-ऑफ-कोर आकार शामिल होते हैं। मूल संस्करण फोरट्रान है, लेकिन सी और अन्य भाषाओं के लिए पुस्तकालयों के बंदरगाह हैं।
चूंकि LAPACK इसके कई अंतर्निहित कॉलों के लिए बीएलएएस (मूल रैखिक बीजगणित उपप्रोग्राम) का उपयोग करता है, तो आप शायद Sparse BLAS को भी देखना चाहेंगे।
मैं LAPACK पर एक नज़र डालने का सुझाव दूंगा। यह एक सुंदर परिपक्व रैखिक बीजगणित पुस्तकालय है, हालांकि इसके साथ इंटरफेसिंग थोड़ा मुश्किल हो सकता है, क्योंकि यह फोरट्रान में लिखा गया है। यह ठीक है, हालांकि, फोर्ट्रान एबीआई सी के साथ संगत है, अगर आपको अपना फ़ंक्शन प्रोटोटाइप सही लगता है।
[संपादित करें] आगे की समीक्षा पर, ऐसा लगता है कि LAPACK स्पैर मैट्रिस का समर्थन नहीं करता है। यह कुछ उद्देश्यों के लिए बैंडेड मैट्रिस को संभाल सकता है, लेकिन रैखिक कम-वर्ग समस्या के लिए, यह केवल सामान्य मैट्रिक्स का समर्थन करता है।
मुझे पूरा यकीन है कि R package इस तरह की समस्याओं के लिए उपयोग किया जा सकता है। यह अविश्वसनीय रूप से शक्तिशाली और लचीला है। उस पृष्ठ से जुड़े कई ऑनलाइन संसाधन।
आपकी टिप्पणियों के लिए धन्यवाद। मैं ऐसा कुछ ढूंढ रहा था जो केवल ढाल कंप्यूटेशंस और मेरे लिए झुकाव वाले सभी डेटा को संभालेगा। अंत में मुझे कुछ भी नहीं मिला। बड़े डेटा सेट के साथ आर लग रहा था। मैंने पायथन में numpy का उपयोग कर एक समाधान लागू किया। – Owen