École Nationale Supérieure de
Techniques Avancées

Résumé

Un des grands d´efis du machine learning est la gestion de la très importante quantité de données d’entraînement. Un moyen de traiter ces données et de les rendre plus facilement exploitales est le clustering (partitionnement de données). Dans ce papier, nous nous concentrerons sur la manière à laquelle le partitionnement de données peut améliorer les performances de méthodes stochastiques du premier ordre. Nous implémentons ainsi les techniques de l’état de l’art sur le clustering pour améliorer les performances de la descente de gradient stochastique, et nous essayons des moyens d’améliorer ces techniques. Tout notre code est disponible sur notre GitHub sur https://github.com/yy214/cluster-for-opt.