用户登录了某提供货运服务的网站输入了货运的发件地址和收件地址,该网站给出了货运报价用户决定是购买该服务(y=1)或者是放弃购买该服务
x 包括了收发地址,报價信息我们想要学习 获得关于该用户的样本(x,y),使用该样本更新 θ:这就是在线学习(Online learning)与前面章节提到的机器学习过程不同,在线学習并不需要一个固定的样本集进行学习而是不断接收样本,不断通过接收到的样本进行学习因此,在线学习的前提是:我们面临着流動的数据
前面,我们提到了 Mini 批量梯度下降法假定
假定我们有 4 个机器(Machine),我们首先通过 Map (映射)过程来并行计算式中的求和项每个機器被分配到 100 个样本进行计算:
最后,通过 Reduce(规约)操作进行求和:
我们可以使用多台机器进行 MapReduce此时,Map 任务被分配到多个机器完成:
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。