随机机器学习算法_金榕.pdf

下载文档 降价啦

2
0
约1.06万字
约 28页
2017-10-24 发布于湖北
举报
版权申诉
保障服务

随机机器学习算法_金榕.pdf

1、本文档共28页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

随机机器学习算法_金榕

随机机器学习算法 ——让大数据上的不可能变为可能金榕金榕阿里巴巴集团大数据的挑战大数据的挑战处理大量数据  数据量存量巨大  2012年，已存在 2.7 ZB 数据  2020年，将达到 40 ZB 数据 ————数据来自数据来自《《ComputerWorldComputerWorld》》  数据量快速例如例如：网络络用户户每每分钟钟都产生大都产生大量数据数据  YouTube用户上传超过300小时新视频  SnapChatSnapChat用户传递用户传递 284284,722722篇信息篇信息  Facebook 用户共享4,166,667篇内容 /story/how-much- data-created-internet-every-minute/2015-08- 14 2015.10.24 CNCC 合肥 2 大数据的挑战大数据的挑战高维数据高维数据例如：在图像分类和在线广告任务中，经常使用上百万维的特征 2015.10.24 CNCC 合肥 3 数据规模的重要性数据规模的重要性是否有必要在如此大规模的时间上进行学习？是否有必要在如此大规模的时间上进行学习？ Yes 矩阵补全矩阵补全 (M(MattirixCComplletition))  广泛应用在分类、聚类、推荐系统等任务中  性能度量：恢复误差 recovery error 2015.10.24 CNCC 合肥 4 数据数据规模的重要性规模的重要性 (2)(2) : PERFECT 完美恢复观测到的矩阵元素数量矩阵元素数量 : POOOOR 低质低质量恢复恢复差误复复未未恢知矩阵元素数量 2015.10.24 CNCC 合肥 5 大大数据数据带来带来的困难的困难考虑一个简单但非常基础的任务考虑一个简单但非常基础的任务 ———— 矩阵平均矩阵平均矩阵矩阵结果规模: 1B x1M + + … + 规模: 1B x1M 特性: 稀疏特性: 稀疏 2015.10.24 CNCC