MLBench：机器学习云在结构化数据上的二分类任务表现如何？
分布式、并行与集群计算
2017-10-17 v3 机器学习
机器学习
摘要
我们对主要云服务提供商提供的机器学习功能进行了实证研究，我们称之为机器学习云。机器学习云承诺隐藏运行大规模机器学习的所有复杂性：用户只需指定要运行的机器学习任务，而无需指定如何运行，云服务会处理其余部分。然而，提高抽象层次很少是免费的——可能会带来性能损失。那么，当前的机器学习云在真实世界的机器学习工作负载上表现如何？我们以二分类问题为重点研究此问题。我们提出了mlbench，这是一个通过收集Kaggle竞赛数据集构建的新型基准。然后，我们将Kaggle上可获得的顶级获胜代码的性能与在Azure和Amazon的机器学习云上运行mlbench的性能进行了比较。我们的比较研究揭示了现有机器学习云的优势与不足，并指出了未来潜在的改进方向。
引用
@article{arxiv.1707.09562,
title = {MLBench: How Good Are Machine Learning Clouds for Binary Classification Tasks on Structured Data?},
author = {Yu Liu and Hantian Zhang and Luyuan Zeng and Wentao Wu and Ce Zhang},
journal= {arXiv preprint arXiv:1707.09562},
year = {2017}
}