graphlab 大数据时代的图计算之道

"Da 数据"透视并不是近几年的新鲜事。回顾历史，早就有了。只是当时“Da 数据”这个词还没有产生。19世纪，“量化”被应用于航海。19世纪的航海经验是口口相传的，有些甚至被证明是错误的。航海家默里通过定量分析制作的航海图是Da 数据最早的实践之一。在一次马车事故导致腿部残疾后，年轻的海军军官默里辞去了他在海上的工作，去了海图和仪器厂。

后来为了提高精度，默里创建了一个记录航海的标准表数据并在所有海军舰艇和部分商船上使用。通过分析这些数据，发现了一些自然的航行路线，为海军和商船减少了三分之一的航行距离。早在信息数字化之前，数据的手工应用就已经充分展示了其有效性。随着数据的存储和处理能力的不断提高，“Da 数据”技术的应用领域也在不断扩大。20世纪，“量化”被应用于投资。

Da 数据时代:Da数据时代来到了世界知名的咨询公司麦肯锡，Da数据在物理、物理、医学、“Da 数据”的背景:2012年，“Da 数据(bigdata)”这个词被越来越多的提及，人们用它来描述和定义信息爆炸的巨量时代，以及

数据正在迅速扩张，越来越大，这决定了企业未来的发展。虽然很多企业可能没有意识到数据的爆发式增长带来的隐患，但是随着时间的推移，人们会越来越意识到数据对企业的重要性。正如《纽约时报》在2012年2月的一篇专栏文章中所说，“大数据”时代已经到来。在商业、经济和其他领域，决策将基于数据和分析，而不是基于经验和直觉。

Da数据is数据Intelligence的核心。数据智能的本质是在大量样本中发现并评估几个概念之间的相关性，然后形成数学表达式，再用数学表达式进行推理运算，从而完成对未知样本的判断和决策。因此，需要发现海量数据背后的规律，解决数据表征的问题。数据智能经历了专家系统、传统机器学习和神经网络三个阶段。输入的知识从具体到抽象，从规则到特征到模式变得越来越宏观，智能处理的效率越来越高，底层感知和模型的可解释性越来越弱。

实践证明，随着数据 set样本的增加，传统机器学习的性能不如神经网络(见图1)。这主要是因为前者的表现力不如后者。Goodfellow在2013年的ICML(国际机器学习大会)上发表了论文MaxoutNetworks(最大输出网络)。本文证明了MaxoutNetworks可以无限逼近任何连续函数。换句话说，神经网络可以拟合任何连续函数，与传统的机器学习相比，神经网络具有突出的表达能力优势。