machine-learning - 谷歌预测 API 是如何工作的

Question

有人可以预测 :) 或猜测 Google Prediction API 是如何工作的吗？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 使用的是哪种技术？

Answer 1

鉴于 Google 本身提供的信息有限，对 Stats SE 问题的单一答案是好的。它的结论与我的想法相同，即 Google 并未透露 Google Prediction API 的内部情况。

Reddit也对此进行了讨论。最有帮助的回应来自一位因之前在该领域工作而值得信赖的用户（在我看来）。他不确定 Google Prediction API 使用的是什么，但根据 Google Group for the Prediction API 的讨论，对它没有使用什么有一些想法：

当前的实现无法正确处理非线性可分离数据集（XOR 和循环）。这可能意味着他们正在拟合线性模型，例如正则化逻辑回归或 SVM，而不是神经网络或内核 SVM。拟合线性模型对于广泛的问题（许多特征）和长问题（许多样本）都非常可扩展，前提是您使用...具有截断梯度的随机梯度下降来处理导致稀疏性的正则化器。

还有一点，当然，还有一些其他的回应。请注意，Google Prediction API 已经发布了一个新版本，但是（对我来说）它是如何“在引擎盖下”工作的并不明显。