?
而今機(jī)器學(xué)習(xí)的改進(jìn)大致在兩個(gè)方面，一方面是軟件，就是算法方面，從最小二乘法出發(fā)，到貝葉斯思想。另一方面就是硬件，一是采用并行計(jì)算，比如GPGPU,FPGA;二是分布式計(jì)算，比如Apache的Hadoop,把任務(wù)劃分成多個(gè)相同的線程，在大型集群中運(yùn)行應(yīng)用程序。
? 談機(jī)器學(xué)習(xí)總以為全是那些復(fù)雜的數(shù)學(xué)推導(dǎo)。這倒不全對(duì)。大數(shù)據(jù)有好處也有劣處。好處是海量，而壞處是冗余。你獲得的海量數(shù)據(jù)可能只用一個(gè)特征便可實(shí)現(xiàn)回歸或者聚類(lèi)。往往將數(shù)據(jù)輸入模型訓(xùn)練前，對(duì)數(shù)據(jù)的準(zhǔn)備工作要耗費(fèi)整個(gè)流程百分之八十的時(shí)間。
? 愛(ài)上數(shù)據(jù)，而非學(xué)到算法。
? 在數(shù)據(jù)處理階段的硬件層次，曾多采用異構(gòu)架構(gòu)進(jìn)行算法加速。一是多核CPU.二是專(zhuān)用硬件，要么用ASIC流片，要么用FPGA設(shè)計(jì)大規(guī)模并行加速器。而在軟件層面，你用Python也好，Java也好，不過(guò)是利用架構(gòu)的接口給你提供了一個(gè)易用的框架。
? 在統(tǒng)計(jì)學(xué)看來(lái)，機(jī)器學(xué)習(xí)不過(guò)是統(tǒng)計(jì)學(xué)的應(yīng)用罷了，他們忽視了實(shí)際的工程思想，在懂業(yè)務(wù)的人看來(lái)這就是特征學(xué)習(xí)的大思想，又忽略了數(shù)理邏輯。
? 在機(jī)器學(xué)習(xí)中，贏得勝利不是因?yàn)殚_(kāi)發(fā)出了一個(gè)新算法，往往在于對(duì)數(shù)據(jù)巧妙的預(yù)處理，歸一化，以及組合現(xiàn)有方法。因?yàn)閷?shí)測(cè)表明，在數(shù)據(jù)足夠大足夠好的的情況下，最終采用不同算法的影響微乎其微。這是數(shù)據(jù)為王的思想。也是近來(lái)數(shù)據(jù)分析師崗位大熱的原因。
? 對(duì)于我們普通人而言，在開(kāi)始學(xué)習(xí)機(jī)器學(xué)習(xí)前總是畏難，所謂困難，總是會(huì)者不難。拿數(shù)據(jù)的思想來(lái)看，我們大多數(shù)人可能很少有機(jī)會(huì)成為分子，甚至可能一生都是分母。這里要談到逆商，就是敢不敢不斷接受打擊，不斷接受不可能，不斷逆水行舟。在這個(gè)過(guò)程中會(huì)慢慢認(rèn)清自己。
? 選擇沒(méi)有錯(cuò)，初心沒(méi)有錯(cuò)，更重要的是不能騙自己。努力成為海量數(shù)據(jù)中那個(gè)偏差或者方差足夠大的樣本，也是很有意思的一生。
