Resumen

Introducimos un algoritmo de descenso de gradiente para el ranking bipartito con pérdidas convexas generales. La implementación de este algoritmo es simple, y se investiga su rendimiento de generalización. Se presentan tasas de aprendizaje explícitas en función de las elecciones adecuadas del parámetro de regularización y el tamaño del paso. El resultado llena la brecha teórica en las tasas de aprendizaje para el problema de ranking con pérdidas convexas generales.

• Materias:Modelado matemático Sistemas estocásticos Productos gráficos Ecuaciones matriciales Métodos de descomposición
• Subjects:Mathematical modeling Stochastic systems Graph products Matrix equations Decomposition methods
• Palabras claves:Descenso de gradiente; Clasificación bipartita; Pérdidas convexas; Implementación; Rendimiento de generalización; Tasas de aprendizaje
• Keywords:Gradient descent; Bipartite ranking; Convex losses; Implementation; Generalization performance; Learning rates