Google पूर्वानुमान API के पीछे क्या है?

Question

Google प्रेडिक्शन एपीआई एक क्लाउड सेवा है जहां उपयोगकर्ता कुछ रहस्यमयी क्लासिफायरफायर को प्रशिक्षित करने के लिए कुछ प्रशिक्षण डेटा जमा कर सकता है और बाद में आने वाले डेटा को वर्गीकृत करने के लिए कह सकता है, उदाहरण के लिए स्पैम फ़िल्टर लागू करना या उपयोगकर्ता की प्राथमिकताओं की भविष्यवाणी करना।

लेकिन पर्दे के पीछे क्या है?

Comments

मुझे संदेह है कि वे व्यावसायिक रूप से गोपनीय रखने की उम्मीद कर रहे हैं!

— OneStop

यह सच हो सकता है, फिर भी वीडियो (गर्मी 2010 से) का सुझाव है कि वे उस समय तक प्रयोग कर रहे थे; इसलिए मैंने इस क्यू को पोस्ट करते हुए कहा कि तब से कुछ लीक सामने आए।

"कई" एल्गोरिदम हैं जो भविष्यवाणी एपीआई आपके डेटा का प्रशिक्षण / भविष्यवाणी करते समय चुन सकते हैं। इंजन वह चुनता है जो वह तय करता है सबसे अच्छा है। कुछ उपयोगकर्ताओं ने उस चयन पर थोड़ा और नियंत्रण करने का अनुरोध किया है , भले ही एल्गोरिथ्म अज्ञात हो , goo.gl/mod/5EoA । Redditors ने यहां हिम्मत पर reddit.com/r/MachineLearning/comments/evdxb/… का अनुमान लगाया है , लेकिन स्टेट-स्पीक मुझ पर खो गया है।

— हाइपरस्लग

@hyperslug इसे उत्तर के रूप में पोस्ट करें, यह काफी उपयोगी है इसलिए मैं इसे स्वीकार करना चाहूंगा।

Answer 1

Google प्रशिक्षण और भविष्यवाणी के लिए विभिन्न मशीन सीखने की तकनीक और एल्गोरिथ्म का उपयोग कर रहा है। बड़े पैमाने पर पर्यवेक्षित सीखने के लिए रणनीतियाँ: 1. उप-नमूना 2. कुछ एल्गोरिदम को स्पष्ट रूप से समानांतर करना 3. वितरित ढाल 4. प्रमुखता वोट 5. पैरामीटर मिश्रण 6. Iterative पैरामीटर मिश्रण

उन्हें अलग-अलग मशीन सीखने की तकनीक के साथ मॉडल का प्रशिक्षण और भविष्यवाणी करना चाहिए और वापसी के लिए सबसे अच्छा मॉडल और भविष्यवाणी तय करने के लिए एक एल्गोरिथ्म का उपयोग करना चाहिए।

1. उप-नमूना अवर प्रदर्शन प्रदान करता है
2. पैरामीटर मिश्रण में सुधार होता है, लेकिन सभी डेटा जितना अच्छा नहीं होता है
3. वितरित एल्गोरिदम बेहतर क्लासीफायर को जल्दी लौटाते हैं
4. Iterative पैरामीटर मिश्रण सभी डेटा के रूप में अच्छा प्राप्त करता है

लेकिन निश्चित रूप से यह एपीआई प्रलेखन में वास्तव में स्पष्ट नहीं है।