本发明公开了一种用于监督学习问题模型的非精确AS‑ADMM算法，其提出了一种新型非精确加速随机交替方向法(简称AS‑ADMM)，用于求解机器学习中的监督学习问题，其中目标函数包括两部分：一部分为潜在的非光滑凸函数，另一部分为光滑凸函数的有限和形式。本发明提出的AS‑ADMM同时融合了经典交替方向法和带方差缩减技术的随机梯度法。新方法的光滑子问题利用了线性化技巧，而非光滑子问题在迭代过程中使用了非精确迭代。在选择具体的算法参数后，证明了问题的目标残差和约束残差具有次线性收敛速度。通过求解不同数据集下的监督学习问题，并与现有随机交替方向法和确定性交替方向法对比，大量数值实验表明：AS‑ADMM对于大数据应用中的结构凸优化问题特别有效。