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
|
