大数据下的典型机器学习平台综述
来源：计算机应用杂志2017年第11期北京时间：
作者：焦嘉烽, 李云
单位：南京邮电大学 计算机学院, 软件学院, 网络空间安全学院, 南京 210003
摘要：由于大数据海量、复杂多样、变化快，传统的机器学习平台已不再适用，因此，设计一个高效的、通用的大数据机器学习平台成为目前的研究热点。通过介绍和分析机器学习算法的特点以及大规模机器学习的数据和模型并行化，引出常见的并行计算模型。简单介绍了整体同步并行模型（BSP）、SSP并行计算模型以及BSP、SSP模型与AP模型的区别，主要介绍了基于这些并行模型的典型的机器学习平台和这些平台的优缺点，并指出各个平台最适合处理何种大数据问题。最后从采用的抽象数据结构、并行计算模型、容错机制等方面对典型的机器学习平台进行了总结，并提出一些建议和展望。
关键词：大数据,机器学习平台,并行计算模型,参数服务器
基金资助：国家自然科学基金资助项目（61603197）；江苏省自然科学基金资助项目（BK20140885）。
