2. 背景:⼤大規模、リアルタイムな分析の需要の⾼高まり l ⾼高次元で疎な⼊入⼒力力を扱う l 例例:⾔言語処理理の例例では、全単語の3つまでの組み合わせ〜~数百億次元、 ⾮非零零要素数は平均数百〜~数万 l ⾼高スループット、低レイテンシな分析が求められる l SNS分析、アルゴリズムトレード、広告配信など l 例例: ⽂文書分類の場合、秒間1万⽂文書程度度が⽬目標(SNSなど) l データは⼤大量量、モデルの種類数も膨⼤大 l 全て集めてから処理理というのは困難 l ユーザー毎に異異なるモデルを利利⽤用⇒分類器が数百万 3. 背景:⼿手法の発展 l 線形識識別モデルとオンライン凸最適化による学習により、⼤大量量のデータを 利利⽤用した⾼高速な学習と識識別が可能となっている l マシン1台でも秒間数万〜~数百万サンプルを処理理可能 l サンプ
![オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011](https://cdn-ak-scissors.b.st-hatena.com/image/square/e1347e5ec576dc9e9b05c27dea8127de694d629c/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fibis2011okanohara-111111083306-phpapp01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)