极客视点
极客时间编辑部
极客时间编辑部
113233 人已学习
免费领取
课程目录
已完结/共 3766 讲
2020年09月 (90讲)
时长 05:33
2020年08月 (93讲)
2020年07月 (93讲)
时长 05:51
2020年06月 (90讲)
2020年05月 (93讲)
2020年04月 (90讲)
2020年03月 (92讲)
时长 04:14
2020年02月 (87讲)
2020年01月 (91讲)
时长 00:00
2019年12月 (93讲)
2019年11月 (89讲)
2019年10月 (92讲)
2019年09月 (90讲)
时长 00:00
2019年08月 (91讲)
2019年07月 (92讲)
时长 03:45
2019年06月 (90讲)
2019年05月 (99讲)
2019年04月 (114讲)
2019年03月 (122讲)
2019年02月 (102讲)
2019年01月 (104讲)
2018年12月 (98讲)
2018年11月 (105讲)
时长 01:23
2018年10月 (123讲)
时长 02:06
2018年09月 (119讲)
2018年08月 (123讲)
2018年07月 (124讲)
2018年06月 (119讲)
时长 02:11
2018年05月 (124讲)
时长 03:16
2018年04月 (120讲)
2018年03月 (124讲)
2018年02月 (112讲)
2018年01月 (124讲)
时长 02:30
时长 02:34
2017年12月 (124讲)
时长 03:09
2017年11月 (120讲)
2017年10月 (86讲)
时长 03:18
时长 03:31
时长 04:25
极客视点
15
15
1.0x
00:00/02:03
登录|注册

谷歌深度学习论文引发热议

讲述:杜力大小:957.38K时长:02:03
最近,谷歌一篇关于使用深度学习进行电子病例分析的论文引发了热议。不仅如此,最近在推特上讨论最多的论文,是 UC 戴维斯和斯坦福的一项合作研究,作者发现神经网络本质上就是多项式回归。
以色列理工学院工业工程与管理学院的助理教授乌里·沙利特(Uri Shalit),发文指出在谷歌这篇论文的补充材料里,有一处结果非常值得注意,就是标准化逻辑回归实质上与深度神经网络一样好。
沙利特的研究方向是将机器学习应用于医疗领域,尤其是在向医生提供基于大型健康数据的决策支持工具方面。其次,他也研究机器学习和因果推断的交集,使用深度学习方法进行因果推断。
他表示,在电子病例分析这类任务中,应该选择使用逻辑回归,而不是深度学习,因为前者更加简单,更具有可解释性,这些优点要远远胜过深度学习带来的精度提升。
或者说,这表明当前还没有找到正确的深度学习结构,能实现像在图像、文本和语音建模领域中那样的性能提升。
在谷歌的论文中,用深度学习模型对两大医院系统的电子病历数据预测了四件事:
住院期间的死亡风险;
规划之外的再住院风险;
长时间的住院天数;
出院的疾病诊断。
文章中仔细介绍了实验信息,例如如何构建病人队列、特征如何变换、算法如何评价等。对于每一个预测任务,作者也都选取了临床上常用的算法作为基线来进行比较,并对这些模型做了微小的改进。最终结果表示,作者提出的深度学习模型在各项任务中都显著优于传统模型。
谷歌这篇论文的初衷,是强调直接从 FHIR 数据中进行机器学习。但是,从论文的一些表述,尤其是标题中,难免有宣传深度学习的嫌疑,这也是争议的重点所在。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
免费领取
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
显示
设置
留言
收藏
11
沉浸
阅读
分享
手机端
快捷键
回顶部