オンライン凸最適化と線形識別モデル学習の最前線_IBIS20112. 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
