Qu'est-ce qui se cache derrière l'API Google Prediction?

L'API Google Prediction est un service cloud où l'utilisateur peut soumettre des données de formation pour former un classificateur mystérieux et lui demander plus tard de classer les données entrantes, par exemple pour mettre en œuvre des filtres anti-spam ou prédire les préférences de l'utilisateur.

Mais qu'est-ce qui se cache dans les coulisses?

Google utilise différentes techniques d'apprentissage automatique et algorithme pour la formation et la prévision. Les stratégies pour un apprentissage supervisé à grande échelle: 1. Sous-échantillon 2. Parallèlement embarrassant à certains algorithmes 3. Descente de gradient distribuée 4. Vote majoritaire 5. Mélange de paramètres 6. Mélange de paramètres itératifs

Ils doivent former et prédire le modèle avec les différentes techniques d'apprentissage automatique et en utilisant un algorithme pour décider du meilleur modèle et de la meilleure prévision à retourner.

1. Le sous-échantillonnage offre des performances inférieures
2. Le mélange des paramètres s'améliore, mais pas aussi bien que toutes les données
3. Les algorithmes distribués renvoient plus rapidement de meilleurs classificateurs
4. Le mélange de paramètres itératifs atteint aussi bien que toutes les données

Mais bien sûr, ce n'est pas vraiment clair dans la documentation de l'API.