研究人员开发了一种用于普通最小二乘（OLS）回归的分布式草图绘制新方法。该方法涉及在多台机器上对大型数据集创建小型草图，从而允许单独构建和平均OLS估计量。该研究侧重于在分区子集上进行草图绘制，以进一步降低计算成本，并表征了平均OLS估计量的精确超额损失。结果表明，当子集协方差发散度最小时，这种损失与传统方法相当。 AI
影响 这项研究可能导致依赖OLS回归的机器学习模型的更高效的分布式训练。
排序理由 该集群包含一篇详细介绍OLS回归新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
