l***e
发帖数: 12 | 1 http://www.esat.kuleuven.be/sista/members/suykens.html
比利时发考题，是那个小有名气的LS-SVM toolbox的项目领头人，做过SVM的人可能听
说过（貌似不如台湾国立大牛林智仁的libsvm用的多）。看publication蛮多的，但是
鄙人眼拙看不出质量，望有高人能指点一二，谢过。 |
t***s
发帖数: 15 | 2 这个人做的东西我比较了解。首先lssvm不是svm，两者的用的loss functioin
不一样（square loss vs. hinge loss），所以lssvm toolbox跟libsvm或者
svmlight不同，它不是一个svm solver。效果上，lssvm和svm不相上下，但用
的人并不多。这个人2000年左右搞出lssvm，发了非常多的paper，还写了一本书，
但其实贡献并不大，因为lssvm不过是已经有的某些machine的新的提法而已
（比如regularized networks，regularized kernel fda）。ml主流对他这种
鸡毛当令箭的做法不太看得上，甚至有人在文章里直接讽刺挖苦（e.g. ryan rifkin）。
他的publication里，icml 0, nips 1, jmlr 3，但都不是第一作者。结论：
不在主流ml community里，本人学术水平一般。
【在 l***e 的大作中提到】
: http://www.esat.kuleuven.be/sista/members/suykens.html
: 比利时发考题，是那个小有名气的LS-SVM toolbox的项目领头人，做过SVM的人可能听
: 说过（貌似不如台湾国立大牛林智仁的libsvm用的多）。看publication蛮多的，但是
: 鄙人眼拙看不出质量，望有高人能指点一二，谢过。
|
l***e
发帖数: 12 | 3 多谢高人现身指点。
不过主流ml community如今是什么呢？比如transfer learning其实也就是learning by
analogy的升级版吧。个人感觉除了vapnik的统计学习理论，近十几年来没有什么重大
进展。如今的主流多少也都有点鸡毛当令箭的意味。
）。
【在 t***s 的大作中提到】
: 这个人做的东西我比较了解。首先lssvm不是svm，两者的用的loss functioin
: 不一样（square loss vs. hinge loss），所以lssvm toolbox跟libsvm或者
: svmlight不同，它不是一个svm solver。效果上，lssvm和svm不相上下，但用
: 的人并不多。这个人2000年左右搞出lssvm，发了非常多的paper，还写了一本书，
: 但其实贡献并不大，因为lssvm不过是已经有的某些machine的新的提法而已
: （比如regularized networks，regularized kernel fda）。ml主流对他这种
: 鸡毛当令箭的做法不太看得上，甚至有人在文章里直接讽刺挖苦（e.g. ryan rifkin）。
: 他的publication里，icml 0, nips 1, jmlr 3，但都不是第一作者。结论：
: 不在主流ml community里，本人学术水平一般。
|
s******g
发帖数: 3841 | 4 主流就是最上层人互相吹捧的，他们认可的就是主流，其实剥开了都没啥
但是我们还是需要拼命挤进去，因为他们掌握资源 |
L*****k
发帖数: 327 | 5 不是再出一个vapnik的学习理论才叫进展，那种建立基础性质的工作本来就是很多年才
有一个
by
【在 l***e 的大作中提到】
: 多谢高人现身指点。
: 不过主流ml community如今是什么呢？比如transfer learning其实也就是learning by
: analogy的升级版吧。个人感觉除了vapnik的统计学习理论，近十几年来没有什么重大
: 进展。如今的主流多少也都有点鸡毛当令箭的意味。
:
: ）。
|
L*****k
发帖数: 327 | 6 lssvm稍微发几篇paper其实还成，搞这么多年有点太无语了。。。。
）。
【在 t***s 的大作中提到】
: 这个人做的东西我比较了解。首先lssvm不是svm，两者的用的loss functioin
: 不一样（square loss vs. hinge loss），所以lssvm toolbox跟libsvm或者
: svmlight不同，它不是一个svm solver。效果上，lssvm和svm不相上下，但用
: 的人并不多。这个人2000年左右搞出lssvm，发了非常多的paper，还写了一本书，
: 但其实贡献并不大，因为lssvm不过是已经有的某些machine的新的提法而已
: （比如regularized networks，regularized kernel fda）。ml主流对他这种
: 鸡毛当令箭的做法不太看得上，甚至有人在文章里直接讽刺挖苦（e.g. ryan rifkin）。
: 他的publication里，icml 0, nips 1, jmlr 3，但都不是第一作者。结论：
: 不在主流ml community里，本人学术水平一般。
|
f*****x
发帖数: 2748 | 7
）。
在哪篇文章里讽刺？找了半天没找到。
【在 t***s 的大作中提到】
: 这个人做的东西我比较了解。首先lssvm不是svm，两者的用的loss functioin
: 不一样（square loss vs. hinge loss），所以lssvm toolbox跟libsvm或者
: svmlight不同，它不是一个svm solver。效果上，lssvm和svm不相上下，但用
: 的人并不多。这个人2000年左右搞出lssvm，发了非常多的paper，还写了一本书，
: 但其实贡献并不大，因为lssvm不过是已经有的某些machine的新的提法而已
: （比如regularized networks，regularized kernel fda）。ml主流对他这种
: 鸡毛当令箭的做法不太看得上，甚至有人在文章里直接讽刺挖苦（e.g. ryan rifkin）。
: 他的publication里，icml 0, nips 1, jmlr 3，但都不是第一作者。结论：
: 不在主流ml community里，本人学术水平一般。
|
t***s
发帖数: 15 | 8 Everything Old is New Again: A Fresh Look at Historical
Approaches in Machine Learning
Ryan Rifkin, PhD Thesis, 2002
Page 100:
Hans Suykens has also rederived the RLSC algorithm, under the
name of Least Squares Support Vector Machines. He has been
extremely prolific on the topic, publishing literally dozens of
papers; the papers most relevant to the topic discussed in this
thesis are [109,110,107,108,105,44,106]. However, these papers
do not seem to advance either the theory or practice of RLSC.
Like the work of Fung and Mangasarian, Suykens derives RLSC as
a modification of Support Vector Machine, rather than directly
as an implementation of Tikhonov regularization with a particular
loss function, and seems somewhat ignorant of previous work in
approximation theory.
是不是讽刺见仁见智，我是觉得已经夹枪带棒了。。
【在 f*****x 的大作中提到】
:
: ）。
: 在哪篇文章里讽刺？找了半天没找到。
|
t***s
发帖数: 15 | 9 还专门为lssvm写了本书。还有那个toolbox，光documentation就
几百页，实际上去掉pre- post- processing，visualization，
真正的核心matlab代码不超过5行。用"\"解两个线形系统，over。
难为他搞出那么大动静来。
【在 L*****k 的大作中提到】
: lssvm稍微发几篇paper其实还成，搞这么多年有点太无语了。。。。
:
: ）。
|
t***s
发帖数: 15 | 10 我不是什么高人，初窥门径而已。说Suykens水平一般其实都轮不到我，
不过他跟ml主流community关系不密切是确定的。ml的重大进展，这个我
更是没资格评论。。
by
【在 l***e 的大作中提到】
: 多谢高人现身指点。
: 不过主流ml community如今是什么呢？比如transfer learning其实也就是learning by
: analogy的升级版吧。个人感觉除了vapnik的统计学习理论，近十几年来没有什么重大
: 进展。如今的主流多少也都有点鸡毛当令箭的意味。
:
: ）。
|
|
|
r********3
发帖数: 2998 | 11 赞！欧洲很多这样的人。只在自己的圈子狂灌水，混不进主流。
）。
【在 t***s 的大作中提到】
: 这个人做的东西我比较了解。首先lssvm不是svm，两者的用的loss functioin
: 不一样（square loss vs. hinge loss），所以lssvm toolbox跟libsvm或者
: svmlight不同，它不是一个svm solver。效果上，lssvm和svm不相上下，但用
: 的人并不多。这个人2000年左右搞出lssvm，发了非常多的paper，还写了一本书，
: 但其实贡献并不大，因为lssvm不过是已经有的某些machine的新的提法而已
: （比如regularized networks，regularized kernel fda）。ml主流对他这种
: 鸡毛当令箭的做法不太看得上，甚至有人在文章里直接讽刺挖苦（e.g. ryan rifkin）。
: 他的publication里，icml 0, nips 1, jmlr 3，但都不是第一作者。结论：
: 不在主流ml community里，本人学术水平一般。
|
r********3
发帖数: 2998 | 12 Learning领域是这样的。
其他传统领域还是比较实在，不是靠吹捧就行的。要拿出实际的系统和产品出来，跑跑
Benchmark，是龙是虫一下子就比较出来了。
【在 s******g 的大作中提到】
: 主流就是最上层人互相吹捧的，他们认可的就是主流，其实剥开了都没啥
: 但是我们还是需要拼命挤进去，因为他们掌握资源
|
f*****x
发帖数: 2748 | 13 多谢这段摘录，见识了比较专业的讽刺写法。
【在 t***s 的大作中提到】
: Everything Old is New Again: A Fresh Look at Historical
: Approaches in Machine Learning
: Ryan Rifkin, PhD Thesis, 2002
: Page 100:
: Hans Suykens has also rederived the RLSC algorithm, under the
: name of Least Squares Support Vector Machines. He has been
: extremely prolific on the topic, publishing literally dozens of
: papers; the papers most relevant to the topic discussed in this
: thesis are [109,110,107,108,105,44,106]. However, these papers
: do not seem to advance either the theory or practice of RLSC.
|
d******e
发帖数: 7844 | 14 写进Thesis真是有够mean
【在 t***s 的大作中提到】
: Everything Old is New Again: A Fresh Look at Historical
: Approaches in Machine Learning
: Ryan Rifkin, PhD Thesis, 2002
: Page 100:
: Hans Suykens has also rederived the RLSC algorithm, under the
: name of Least Squares Support Vector Machines. He has been
: extremely prolific on the topic, publishing literally dozens of
: papers; the papers most relevant to the topic discussed in this
: thesis are [109,110,107,108,105,44,106]. However, these papers
: do not seem to advance either the theory or practice of RLSC.
|
r********3
发帖数: 2998 | 15 从这个PhD Thesis的title就可以看出这个人很“牛”。
【在 d******e 的大作中提到】
: 写进Thesis真是有够mean
|
v******d
发帖数: 1322 | 16 也不见得是，大部分领域都有不少人自己划个圈灌水的
【在 r********3 的大作中提到】
: Learning领域是这样的。
: 其他传统领域还是比较实在，不是靠吹捧就行的。要拿出实际的系统和产品出来，跑跑
: Benchmark，是龙是虫一下子就比较出来了。
|
r********3
发帖数: 2998 | 17 Learning的这种领域是这种现象最严重的。
【在 v******d 的大作中提到】
: 也不见得是，大部分领域都有不少人自己划个圈灌水的
|
