Google Prediction API 的详细信息在此页面上，但我无法找到有关在 API 后面运行的预测算法的任何详细信息。
到目前为止，我已经收集到它们允许您以 PMML 格式提供预处理步骤。
Google 预测 API：Google 预测 API 采用哪些训练/预测方法？
数据挖掘
工具
2021-10-03 08:28:45
3个回答
如果您查看您可以在此处找到的 PMML 规范，您可以在左侧菜单中看到您有哪些选项（例如 ModelTree、NaiveBayes、Neural Nets 等）。
用户可以使用多种方法。支持文档提供了演练和提示，说明何时最适合使用一种或另一种模型。
此页面显示以下学习方法：
- “关联模型”
- “聚类模型”
- “一般回归模型”
- “挖掘模型”
- “NaiveBayes 模型”
- “神经网络”
- “回归模型”
- “规则集模型”
- “序列模型”
- “支持向量机模型”
- “文本模型”
- “时间序列模型”
- “树模型”
编辑：不过，我没有看到有关算法的任何具体信息。例如，树模型是否使用信息增益或基尼指数进行拆分？
Google 不会发布他们使用的模型，但他们特别不支持 PMML 规范中的模型。
如果您仔细查看此页面上的文档，您会注意到架构中的模型选择是灰色的，表明它是架构不受支持的功能。
该文档确实说明默认情况下，它将使用回归模型来训练具有数字答案的数据，并使用未指定的分类模型来训练数据，从而产生基于文本的答案。
Google Prediction API 还支持托管模型（尽管目前只有少数演示模型可用），以及使用 PMML 转换指定的模型。该文档确实包含一个由 PMML 转换定义的模型示例。（该页面上还有一条说明不支持 PMML ...Model 元素）。
google 部分支持的 PMML 标准是4.0.1 版本。