那么这一切与搜索有什么关系呢

rakibhasanbd472

一旦我们确信计算机已经掌握了窍门，我们就可以给它一个测试，向它展示它尚未见过的另一个集合中的瓜（我们称这组瓜为“验证集”），但我们不会透露这些瓜是否成熟。现在，计算机尝试应用它所学到的知识，预测瓜是否成熟（甚至可能成熟或可能不成熟）。我们可以通过计算机准确识别的瓜数量来了解它学习得有多好。如果它学得不好，我们可能需要向它展示更多的瓜，或者我们可能需要在幕后调整算法（“大脑”）并重新开始。

这种方法称为监督学习，我们为学习算法 卡塔尔号码数据 提供有关原始瓜是否成熟的细节。确实存在替代方法，但监督学习是最好的起点，并且可能涵盖了 Google 正在做的相当一部分工作。

这里要注意的一点是，即使你已经训练计算机能够很好地识别成熟的瓜类，它也无法像农民一样写出我们希望农民提供的那套详尽的规则。

咖啡因基础设施更新

首先，我们需要回顾 2010 年 Caffeine 基础架构更新的推出。当时我们并不知道，Caffeine 是 Panda 和 Penguin 的前身。正是 Caffeine 让 Panda 和 Penguin 得以诞生。

Caffeine 使 Google 能够以前所未有的速度更新其索引，并独立于图表的其余部分更新网络链接图表部分页面的 PageRank。以前，您必须同时重新计算网络上所有页面的 PageRank；您无法只计算一个网页的 PageRank。我们相信，有了 Caffeine，这种情况发生了改变，他们可以非常准确地估算网络部分页面（子图表）的更新 PageRank，以考虑新的（或删除的）链接。

这意味着“实时索引”会不断更新，而不是定期更新。

那么，这与机器学习有什么关系？它又为 Panda 和 Penguin 奠定了基础吗？让我们把它们放在一起……

熊猫和企鹅
Caffeine 使得 Google 能够极其快速地更新 PageRank，速度比以前快得多，这很可能是让他们最终大规模应用机器学习作为算法主要部分的一步。

Panda 着手解决的问题与确定西瓜是否成熟的问题非常相似。任何阅读这篇博文的人都可以快速浏览一个网页，并且在大多数情况下都能准确地告诉我该网页的垃圾程度。但是，很少有人能为我写出一份确切的规则列表，以判断您尚未查看的网页的这一特征（“如果有超过 x 个链接，并且有 y 个广告占据了屏幕首屏的 z%...”）。您可以给出一些广泛的规则，但没有哪条规则对所有重要的网页都有效。还要考虑一下，如果您（或 Google）可以构建这样一份严格的规则列表，那么规避这些规则将变得更加容易。

rakibhasanbd472

电话号码数据库