E*******F 发帖数: 2165 | 1 感觉目前machine learning就这两大主流(当然也有交集)
不知道对一般研究人员来说,哪个前景更好呢,
或者哪个更适合CS的人呢
我觉得目前来说kernel methods在数学上比较规范,
也就吸引了大量数学和统计出身的人
graphical models出来得比较晚
主要还是CS的人在弄
但感觉水平参差不齐 |
w***g 发帖数: 5958 | 2 graphical models也是统计。kernel method就是一个trick,本身并不能说是一个主流
,很多方法直接往上一套就可以搞个kernel的版本, 能不能work还是要看kernel本身设
计的怎么样,但这又变成domain expertise了。如果非要选一个,我觉得graphical
models更靠谱, 理论比较系统,可以概括很多有用的特殊情况。不过graphical model
只能勉强跟CS扯上关系,说是统计更恰当一点。
【在 E*******F 的大作中提到】 : 感觉目前machine learning就这两大主流(当然也有交集) : 不知道对一般研究人员来说,哪个前景更好呢, : 或者哪个更适合CS的人呢 : 我觉得目前来说kernel methods在数学上比较规范, : 也就吸引了大量数学和统计出身的人 : graphical models出来得比较晚 : 主要还是CS的人在弄 : 但感觉水平参差不齐
|
z***t 发帖数: 2374 | 3 kernel怎么是主流?很小的分支而已
目前火的还是sparse learning,不过做了7,8年了,大部分该做也都做了
大家都在等新的ML坑 |
D***r 发帖数: 7511 | 4 我喜欢graphical models
不过这个有时候很难被其他领域的人接受
比如MRF里的那些数,既不是概率,又跟概率有关系
不容易translate到大家都容易接受的语言
【在 E*******F 的大作中提到】 : 感觉目前machine learning就这两大主流(当然也有交集) : 不知道对一般研究人员来说,哪个前景更好呢, : 或者哪个更适合CS的人呢 : 我觉得目前来说kernel methods在数学上比较规范, : 也就吸引了大量数学和统计出身的人 : graphical models出来得比较晚 : 主要还是CS的人在弄 : 但感觉水平参差不齐
|
s****a 发帖数: 501 | 5 现在最火的难道不是deep learning么?
【在 z***t 的大作中提到】 : kernel怎么是主流?很小的分支而已 : 目前火的还是sparse learning,不过做了7,8年了,大部分该做也都做了 : 大家都在等新的ML坑
|
m*****h 发帖数: 2292 | 6 顺便问问,Jordan到底在graphical models做了什么突破性的贡献?江湖地位这么高?
【在 D***r 的大作中提到】 : 我喜欢graphical models : 不过这个有时候很难被其他领域的人接受 : 比如MRF里的那些数,既不是概率,又跟概率有关系 : 不容易translate到大家都容易接受的语言
|
z***t 发帖数: 2374 | 7 Deep learning也推了5,6年了
热度还行
multiscale model过去几年在各个领域都挺热,在ML里应用到真一般
【在 s****a 的大作中提到】 : 现在最火的难道不是deep learning么?
|
w***g 发帖数: 5958 | 8 同问。
【在 m*****h 的大作中提到】 : 顺便问问,Jordan到底在graphical models做了什么突破性的贡献?江湖地位这么高?
|
L*****k 发帖数: 327 | 9 对,graphical model更靠统计,但和纯统计不一样的就是computational issue的比重
高,inference是关键,所以GM可以看成是Stat和CS的结合
kernel的话,自然一方面是kernel trick,很多ML的算法都可以加上这个壳。但是另一
方面,kernel methods是ML的一个主流领域(主流不等于当下最hot,hehe),从SVM开
始算起,kernel这边更CS一些,和statistical learning theory,convex
optimization更贴近
model
【在 w***g 的大作中提到】 : graphical models也是统计。kernel method就是一个trick,本身并不能说是一个主流 : ,很多方法直接往上一套就可以搞个kernel的版本, 能不能work还是要看kernel本身设 : 计的怎么样,但这又变成domain expertise了。如果非要选一个,我觉得graphical : models更靠谱, 理论比较系统,可以概括很多有用的特殊情况。不过graphical model : 只能勉强跟CS扯上关系,说是统计更恰当一点。
|
X*****r 发帖数: 2521 | 10 公牛三连冠还不nb?
【在 w***g 的大作中提到】 : 同问。
|
D***r 发帖数: 7511 | 11 是人家推广的啊
好多经典的例子也还是从他书里摘出来的
其他我也说不出来,呵呵
【在 w***g 的大作中提到】 : 同问。
|
m*****h 发帖数: 2292 | 12 他那本书出版了没?都10年了。。
【在 D***r 的大作中提到】 : 是人家推广的啊 : 好多经典的例子也还是从他书里摘出来的 : 其他我也说不出来,呵呵
|
l*******s 发帖数: 1258 | 13 kernel model用来发paper很好,特定dataset上面用特定的kernel。做了一堆实验,就
一个kernel管用,然后拿去发个paper。
问题是,到了工业应用上,这个限制太大,上哪去找正好在特定kernel上面work的特定
数据集啊。
graphic好一些,更加general一些。但缺点就是train和decoding比较麻烦,而且超慢
的,什么CRF啊MLN啊 一个比一个慢。 |
z***t 发帖数: 2374 | 14 几乎各个ML方向MJ都有建树
而且他组的文章经常是发出来3,4年之后,这个方向才火
到不完全是因为他lead,主要是他一直站在前沿,对问题理解的很好
【在 D***r 的大作中提到】 : 是人家推广的啊 : 好多经典的例子也还是从他书里摘出来的 : 其他我也说不出来,呵呵
|