Как работает API прогноза Google

Может кто-то предсказать:) или угадать, как работает Google Prediction API под капотом? Я знаю, что есть некоторые методы машинного обучения: Деревья принятия решений, сети нейронов, наивная байесовская классификация и т.д.

Какую технику вы используете Google?

ОТВЕТЫ

Ответ 1

Единственный ответ на вопрос о Stats SE хорош, учитывая ограниченную информацию от самого Google, На этом заканчивается то же мнение, что и я, что Google не говорит о внутренностях API Google Prediction.

Об этом также говорилось Обсуждение Reddit. Самый полезный ответ был от пользователя, который заслуживает доверия из-за своей предыдущей работы в этой области (на мой взгляд). Он не был уверен в том, что использовал API Google Prediction, но имел некоторые идеи о том, что он НЕ использовал, основываясь на обсуждениях группы Google для API прогноза:

текущая реализация не может корректно справляться с нелинейными разделяемые наборы данных (XOR и Circular). Вероятно, это означает, что они подходят линейные модели, такие как регуляризованная логистическая регрессия или SVM, но не нейронные сети или SVM ядра. Установка линейных моделей очень масштабируема как для широких проблем (многие функции), так и для длинных проблем (многие образцы) при условии, что вы используете... стохастический градиентный спуск с усеченными градиентами для обработки регуляризаторов с разрешающей способностью.

Было немного больше и, конечно, некоторые другие ответы. Обратите внимание, что Google Prediction API с тех пор выпустил новую версию, но это не является более очевидным (для меня), как это работает "под капотом".

Ответ 2

Я считаю, что он использует классификатор Naive-bayes