2. 机器学习领域大牛（持续汇总）
2018-07-31 本文已影响0人
我乌鸦了
- 索斯滕·乔基姆斯（Thorsten Joachims）
- 康奈尔大学信息科学系主任、计算机科学系教授
- 2017年 KDD时间检验奖得主。获奖论文《线性时间内训练支持向量机》(Training Linear SVMs in Linear Time)
- 主要贡献：
- 支持向量机的应用：
- 把支持向量机的训练达到现行复杂度，使支持向量机在大规模数据上的应用成为可能。
- 把支持向量机算法应用到更加复杂的有结构的输出结果上（结构化的支持向量机算法）：支持向量机可以对信息检索中很多复杂的、非二分的评估指标进行直接优化（F1值、平均净度值）。
- 利用搜索引擎的间接用户反馈来训练排序算法：利用搜索引擎使用过程中的用户数据（点击搜索页面结果、在搜索页面驻留时间）优化搜索引擎。
- 把因果推论（Causal Inference）和机器学习结合，能够更加无偏差地训练模型：利用因果推论中的倾向评分（Propensity Scoring）技术以及多臂赌博机（Muti-armed Bandit）思想，使无偏差得训练模型成为可能。（但愿我以后能明白这句话什么意思-.-!!!）
- 支持向量机的应用：
