Il singolo answer to the question on Stats SE è buono, dato informazioni limitate da Google stessa. Conclude con lo stesso pensiero che ho avuto, che Google non stia raccontando riguardo le viscere dell'API Prediction di Google.
C'è stato un Reddit discussion anche su questo. La risposta più utile è stata da un utente che è credibile a causa del suo precedente lavoro in quel campo (a mio parere). Non era certo quello API di Google Prediction stava usando, ma aveva un po 'di ideas about what it was NOT using, sulla base di discussioni sul gruppo Google per l'API Previsione:
l'implementazione attuale non è in grado di affrontare correttamente non lineare set di dati separabili (XOR e circolare). Ciò significa probabilmente che sono che si adattano a modelli lineari come la regressione logistica regolarizzata o gli SVM ma non le reti neurali o SVM del kernel. L'adattamento di modelli lineari è molto scalabile sia per problemi estesi (molte caratteristiche) che per problemi lunghi (molti campioni) purché si utilizzi ... discesa gradiente stocastica con gradienti troncati per gestire i regolarizzatori che inducono a sparsità.
c'era un po 'di più, e, naturalmente, alcune altre risposte. Tieni presente che l'API di Google Prediction ha rilasciato una nuova versione, ma non è più evidente (per me) come funziona "under the hood".
fonte
2012-05-04 20:38:47
Questa domanda è stata discussa su stackexchange: http://stats.stackexchange.com/questions/6298/what-is-behind-google-prediction-api –
Grazie Jai, rendi questa risposta e segnalalo come risposta corretta. –