为什么现在机器学习如此火爆

而今机器学习的改进大致在两个方面，一方面是软件，就是算法方面，从最小二乘法出发，到贝叶斯思想。另一方面就是硬件，一是采用并行计算，比如GPGPU,FPGA;二是分布式计算，比如Apache的Hadoop,把任务划分成多个相同的线程，在大型集群中运行应用程序。

谈机器学习总以为全是那些复杂的数学推导。这倒不全对。大数据有好处也有劣处。好处是海量，而坏处是冗余。你获得的海量数据可能只用一个特征便可实现回归或者聚类。往往将数据输入模型训练前，对数据的准备工作要耗费整个流程百分之八十的时间。

爱上数据，而非学到算法。

在数据处理阶段的硬件层次，曾多采用异构架构进行算法加速。一是多核CPU.二是专用硬件，要么用ASIC流片，要么用FPGA设计大规模并行加速器。而在软件层面，你用Python也好，Java也好，不过是利用架构的接口给你提供了一个易用的框架。&#x