H2O机器学习：一种强大的可扩展的人工智能和深度学习技术

书名：基于H2O的机器学习实用方法：一种强大的可扩展的人工智能和深度学习技术
原书名：Practical Machine Learning with H2O:Powerful, Scalable Techniques for Deep Learning and AI
出版社：机械工业出版社
出版日期：2018年7月
定价：69.00元

经过漫长的发展，机器学习逐渐变得越来越成熟。它最早可以追溯到 20世纪 50年代，当时开发出第一个根据经验进行学习的程序（下跳棋），这也是第一个神经网络。人工智能研究人员多次提到这是一个当今早就不再关注的“指日可待”的重大突破。但也许研究人员是一直沿着正确的道路进行研究，或许只是需要一个更大数量级的处理能力，或一个微小的算法调整，就可以将毫无意义的研究变成富有成效并具有远大前途的工作。

在20世纪90年代早期，人们普遍将神经网络看作在人工智能方面取得的一项新的重大突破。当时本人曾多次尝试在计算机中实际应用神经网络，但在与利用特定领域的知识工程以及重新改进的树搜索方法所得到的结果相比时，发现其处理能力非常糟糕（结果仍是相当普通的）。而且其处理大规模数据的能力也很差。 20年后，当听说深度学习这一新概念在计算机领域取得了令人瞩目的成果时，本人感到非常困惑的是这与多年前所放弃研究的神经网络究竟有何不同。答案其实是“并没有太大不同”，或许只需要一个具有更强大处理能力（在这种情况下需提高 5~6个数量级）的算法，就能取得丰硕成果。

H2O是一种用于机器学习和数据分析的软件。怀着想要了解深度学习所具有的强大功能的这一想法，促使本人深入学习H2O（尽管并不仅限于此，还包括搜索树、线性模型、无监督学习等），结果立刻就留下了深刻印象。H2O具有下列特性：
. 开源（免费的 Apache许可证）；
. 易于使用；
. 可扩展到大数据；
. 文档完备且具有商业支持；
. 第三版（即成熟架构）；
. 广泛的操作系统 /语言支持。

H2O.ai（开发H2O的公司）聚集了高质量的优秀团队，将会发展得越来越好。在整个开发过程中，公司不仅始终坚持“如何才能使得 H2O更好地发挥作用”，而且始终坚持“如何使其在大数据范畴下有效工作”的发展理念。

如果机器学习已完全成熟，那么H2O就好比既是一辆经济实用的家用车，同时也是一辆大载重量的货车。如果进一步深化比喻，本书将不仅介绍仪表盘控件所做的工作，而且还将讨论实现车辆从 A到 B的最佳方式。为了尽可能实用，本书只对学习算法相关的数学原理或理论进行最低程度的解释。

当然H2O也并非完美，以下是一些需要注意的问题。