当前机器学习主要分为两派：（1）理论学派，致力于寻找学习模型，一般通过科学计算语言Matlab模拟原型。但是时间复杂度通常比较高，一般情况下，时 间复杂度达到O(n^3)，n为问题的规模，算法便不太可能用于大规模的数据的运算，尤其当设计到复杂的矩阵运算的时候！（2）实验学派，致力于寻找实际 高效简单的算法解决现实的问题，企业研究院的科研人员如来自雅虎NEC、Google等大部分属于这一类！我倾向于后者，如果看到作者来自这些单位，我会 特意地关注一下！但是，也许出于产权保密的原因，你可能经常不太容易完全弄懂文章的细节。其实做一个东西就像做一份菜，理论优美相当于菜很好看，实际应用 中也非常有效相当于吃起来也不错！如何既好吃又好看是每一位科研人员值得思考的问题！我发现Thorsten Joachims是一位值得我尊敬和学习的一位科学家！他博士论文毕业以SVM起家，随后在SVM的理论改进和应用方面做了很多创造性的工作！他关于 SVM的程序全部使用C语言写公开供大家使用，让我懂得优美的模型也可以优雅地把它实现出来！
       随着计算技术的发展，机器学习解决现实问题的能力得到显著的加强，突出的一点就是实现大规模问题上的机器学习问题，以满足实际的需要：
    （1）算法的并行化：MPI（message passing interface,主要用C语言实现）或Mapreduce(Java实现开源的算法、属于Apache)，充分地利用多核CPU的能力；
     (2)  分布式计算：多台工作站合作；更一般地推广到“云计算”
    （3）GPU，使用图形卡实现计算的加速；
     另外，以SVM为代表的统计学习学派已经统治了机器学习数十年，连接学派（以神经网络为代表，主张算法模拟人脑的结构进行思考）再次随着Deep learning的发明而重新走到前沿。相信在不久的将来，机器学习的应用会使我们的生活发生大的变革！

转载本文请联系原作者获取授权，同时请注明本文来自靳小波科学网博客。
链接地址：https://blog.sciencenet.cn/blog-649175-536730.html


下一篇：科研的境界：追求极致