大数据中的贝叶斯学习
来源:互联网 发布:vb编程实例 编辑:程序博客网 时间:2024/06/07 19:17
在大数据时代,种类多样的科学与工程数据快速增加。由于物理环境的随机性、数据噪声、信息不完全等因素的存在,大数据中具有普遍的不确定性。如何对大数据进行有效的不确定性建模和高效计算是机器学习面临的重要挑战。
贝叶斯方法自1763年提出以来,已有250多年的历史,在人工智能、机器学习的众多领域得到了广泛应用和发展。2011年的图灵奖获得者Judea Pearl教授的主要贡献是将概率统计引入人工智能,成为现代人工智能的理论基础。但是,在大数据环境下,贝叶斯学习面临着多方面的挑战。
近年来,贝叶斯方法在机器学习领域得到了快速发展。在基础理论方面,正则化贝叶斯方法通过变分和信息论工具,在优化框架下引用后验正则化项,扩展了贝叶斯方法在考虑问题属性和领域知识的灵活性;同时,非参数化贝叶斯方法也得到了快速发展。在算法方面,随机梯度的变分推理和蒙特卡洛采样算法被提出,通过随机采样在单机上能有效处理大规模数据集;同时,为了提高可扩展性,分布式的变分推理和蒙特卡洛算法也得到了重视和发展。在系统实现方面,贝叶斯方法已经在多种分布式计算框架下实现,包括:MapReduce/Spark,参数服务器,图计算(GraphLab)以及STRADS模型并行等。
最后,贝叶斯方法与深度学习具有互补的优势,前者在不确定性推理与决策、小样本学习方面具有独特优势;后者在表示学习、感知预测方面更灵活有效。二者的有机融合是未来的重要发展趋势。另外,发展更加友好的平台支持贝叶斯方法、深度学习以及二者的融合是另外一个重要趋势。
阅读全文
0 0
- 大数据中的贝叶斯学习
- 大数据学习笔记·互联网搜索中的大数据
- 大数据学习笔记(九)-大数据中的压缩
- 大数据分析中的 数据,大数据
- 机器学习与数据挖掘中的十大经典算法
- 机器学习在金融大数据风险建模中的应用
- 机器学习在金融大数据风险建模中的应用
- 大数据学习笔记:Hadoop中的IPC与RPC
- 深度学习在时空大数据分析中的应用
- 大数据学习笔记(十)-Hive中的Storage format
- 机器学习与数据挖掘中的十大经典算法
- 面试中的大数据
- 大数据学习网站
- 大数据+机器学习
- 【学习】大数据是什么
- 大数据学习路线
- 大数据学习进程
- 大数据学习经验总结
- 高性能的贪吃蛇C语言实现
- LVS+keepalived(主从模式)安装
- 浏览器兼容问题
- class和struct有什么区别?
- Sliding Window POJ
- 大数据中的贝叶斯学习
- 1048. Find Coins (25)
- angler kernel compile
- 目录作用,正则
- hdu1695(容斥原理)
- hdu3966(树链剖分)
- java中常用的快捷键
- ruby rails指定版本创建项目报错指导
- 【剑指offer】面试题 25:合并两个排序的链表