machine-learning - 谷歌预测 API 是如何工作的

Question

已关闭。这个问题是 off-topic 。目前不接受答案。

---

想要改进这个问题吗？ Update the question所以它是on-topic用于堆栈溢出。

已关闭10 年前。

Improve this question

有人可以预测吗？:) 或者猜猜 Google Prediction API 的底层是如何工作的？我知道有一些机器学习技术:决策树、神经元网络、朴素贝叶斯分类等。

您认为 Google 使用了哪种技术？

Answer 1

单曲answer to the question on Stats SE鉴于 Google 本身提供的信息有限， 很好。它的结论与我的想法相同，即 Google 没有透露 Google Prediction API 的内部结构。

有一个Reddit discussion 这也是如此。最有帮助的回复来自一位用户，由于他之前在该领域的工作(在我看来)，他是可信的。他不确定 Google Prediction API 使用的是什么，但有一些 ideas about what it was NOT using ，基于 Google Prediction API 小组的讨论:

the current implementation is not able to deal correctly with non-linear separable data sets (XOR and Circular). That probably means that they are fitting linear models such as regularized logistic regression or SVMs but not neural networks or kernel SVMs. Fitting linear models is very scalable to both wide problems (many features) and long problems (many samples) provided that you use... stochastic gradient descent with truncated gradients to handle sparsity inducing regularizers.

还有更多，当然还有其他一些回应。请注意，Google Prediction API 此后发布了新版本，但(对我来说)它“幕后”的工作原理并不明显。