公开(公告)号：CN110929884B

公开(公告)日：2023-05-16

申请号：CN201911156466.X

申请日：2019-11-22

Applicant: 北京大学

Inventor： 张智鹏 ,  蒋悦紫晗 ,  崔斌 ,  赵通

IPC: G06N20/00

Abstract: 本发明公布了一种列划分的分布式机器学习优化的分类方法和装置，采用基于列划分的分布式随机梯度下降SGD方法，称为ColumnSGD，对多维度序列数据进行分类；所述多维度序列数据包括基因序列数据；所述ColumnSGD方法包括：建立分布式机器学习系统的容错机制、建立基于列划分的分布式SGD模型，通过采用将行划分数据转换为列划分数据的高效算法，并基于梯度编码提出模型掉队者问题的解决方法，实现高效分类。本发明通过采用基于列划分的结构，利用列式划分特性、分布式特性，计算模型梯度；能减少分布式机器学习系统的通讯开销及存储开销，提高计算速度，从而提高分类的效率。

公开(公告)号：CN110929884A

公开(公告)日：2020-03-27

申请号：CN201911156466.X

申请日：2019-11-22

Applicant: 北京大学

Inventor： 张智鹏 ,  蒋悦紫晗 ,  崔斌 ,  赵通

IPC: G06N20/00

Abstract: 本发明公布了一种列划分的分布式机器学习优化的分类方法和装置，采用基于列划分的分布式随机梯度下降SGD方法，称为ColumnSGD，对多维度序列数据进行分类；所述多维度序列数据包括基因序列数据；所述ColumnSGD方法包括：建立分布式机器学习系统的容错机制、建立基于列划分的分布式SGD模型，通过采用将行划分数据转换为列划分数据的高效算法，并基于梯度编码提出模型掉队者问题的解决方法，实现高效分类。本发明通过采用基于列划分的结构，利用列式划分特性、分布式特性，计算模型梯度；能减少分布式机器学习系统的通讯开销及存储开销，提高计算速度，从而提高分类的效率。