转自：http://blog.sina.com.cn/s/blog_4e66cb5f0100cdh1.html
谈机器学习(Machine Learning)大家 (full version)
谈机器学习(Machine Learning)大家 (full version)
闲着无事，想写点一些我所了解的machine
learning大家。由于学识浅薄，见识有限，并且仅局限于某些领域，一些在NLP及最近很热的生物信息领域活跃的学者我就浅陋无知，所以不对的地方大家仅当一笑。
-
Machine Learning 大家(1)：M. I. Jordan (http://www.cs.berkeley.edu/~jordan/)
Jordan身兼stat和cs两个系的教授，从他身上可以看出Stat和ML的融合。
Jordan最先专注于mixtures of
experts，并迅速奠定了自己的地位，我们哈尔滨工业大学的校友徐雷跟他做博后期间，也在这个方向上沾光不少。Jordan和他的弟子在很多方面作出了开创性的成果，如spectral
clustering， Graphical model和nonparametric
Bayesian。现在后两者在ML领域是非常炙手可热的两个方向，可以说很大程度上是Jordan的lab一手推动的。
更难能可贵的是，Jordan不仅自己武艺高强，并且揽钱有法，教育有方，手下门徒众多且很多人成了大器，隐然成为江湖大帮派。他的弟子中有10多人任教授，个人认为他现在的弟子中最出色的是stanford的Andrew
Ng，不过由于资历原因，现在还是assistant professor，不过成为大教授指日可待；另外Tommi
Jaakkola和David Blei也非常厉害，其中Tommi Jaakkola在mit任教而David
Blei在cmu做博后，数次获得NIPS最佳论文奖，把SVM的最大间隔方法和Markov
network的structure结构结合起来，赫赫有名。还有一个博后是来自于toronto的Yee Whye
Teh，非常不错，有幸跟他打过几次交道，人非常nice。另外还有一个博后居然在做生物信息方面的东西，看来jordan在这方面也捞了钱。这方面他有一个中国学生Eric
P. Xing(清华大学校友)，现在在cmu做assistant professor。
总的说来，我觉得Jordan现在做的主要还是graphical
model和Bayesian learning，他去年写了一本关于graphical model的书，今年由mit
press出版，应该是这个领域里程碑式的著作。3月份曾经有人答应给我一本打印本看看，因为Jordan不让他传播电子版，但后来好像没放在心上（可见美国人也不是很守信的），人不熟我也不好意思问着要，可以说是一大遗憾.
另外发现一个有趣的现象就是Jordan对hierarchical情有独钟，相当多的文章都是关于hierarchical的，所以能hierarchical大家赶快hierarchical，否则就让他给抢了。
用我朋友话说看jordan牛不牛，看他主页下面的Past students
and postdocs就知道了。
-
Machine Learning大家（2）：D. Koller (http://ai.stanford.edu/~koller/)
D.
Koller是1999年美国青年科学家总统奖(PECASE)得主，IJCAI 2001 Computers and Thought
Award(IJCAI计算机与思维奖，这是国际人工智能界35岁以下青年学者的最高奖)得主，2004 World Technology
Award得主。
最先知道D
koller是因为她得了一个大奖，2001年IJCAI计算机与思维奖。Koller因她在概率推理的理论和实践、机器学习、计算博弈论等领域的重要贡献，成为继Terry
Winograd、David Marr、Tom Mitchell、Rodney
Brooks等人之后的第18位获奖者。说起这个奖挺有意思的，IJCAI终身成就奖（IJCAI Award for Research
Excellence），是国际人工智能界的最高荣誉;
IJCAI计算机与思维奖是国际人工智能界35岁以下青年学者的最高荣誉。早期AI研究将推理置于至高无上的地位;
但是1991年牛人Rodney Brooks对推理全面否定，指出机器只能独立学习而得到了IJCAI计算机与思维奖;
但是koller却因提出了Probabilistic Relational Models
而证明机器可以推理论知而又得到了这个奖，可见世事无绝对，科学有轮回。
D koller的Probabilistic Relational
Models在nips和icml等各种牛会上活跃了相当长的一段时间，并且至少在实验室里证明了它在信息搜索上的价值，这也导致了她的很多学生进入了
google。虽然进入google可能没有在牛校当faculty名声响亮，但要知道google的很多员工现在可都是百万富翁，在全美大肆买房买车的
主。
Koller的研究主要都集中在probabilistic graphical
model，如Bayesian网络，但这玩意我没有接触过，我只看过几篇他们的markov
network的文章，但看了也就看了，一点想法都没有，这滩水有点深，不是我这种非科班出身的能趟的，并且感觉难以应用到我现在这个领域中。
Koller才从教10年，所以学生还没有涌现出太多的牛人，这也是她不能跟Jordan比拟的地方，并且由于在stanford的关系，很多学生直接去
硅谷赚大钱去了，而没有在学术界开江湖大帮派的影响，但在stanford这可能太难以办到，因为金钱的诱惑实在太大了。不过Koller的一个学生我非
常崇拜，叫Ben
Taskar，就是我在（1）中所提到的Jordan的博后，是好几个牛会的最佳论文奖，他把SVM的最大间隔方法和Markov
network结合起来，可以说是对structure
data处理的一种标准工具，也把最大间隔方法带入了一个新的热潮，近几年很多牛会都有这样的workshop。 我最开始上Ben
Taskar的在stanford的个人网页时，正赶上他刚毕业，他的顶上有这么一句话：流言变成了现实，我终于毕业了！可见Koller是很变态的，把
自己的学生关得这么郁闷，这恐怕也是大多数女faculty的通病吧，并且估计还非常的push！
-
Machine learning 大家（3）: J. D. Lafferty
大家都知道NIPS和ICML向来都是由大大小小的山头所割据，而John
Lafferty无疑是里面相当高的一座高山，这一点可从他的publication
list里的NIPS和ICML数目得到明证。虽然江湖传说计算机重镇CMU现在在走向衰落，但这无碍Lafferty拥有越来越大的影响力，翻开AI兵器谱排名第一的journal
of machine learning
research的很多文章，我们都能发现author或者editor中赫然有Lafferty的名字。
Lafferty给人留下的最大的印象似乎是他2001年的conditional
random
fields，这篇文章后来被疯狂引用，广泛地应用在语言和图像处理，并随之出现了很多的变体，如Kumar的discriminative
random fields等。虽然大家都知道discriminative
learning好，但很久没有找到好的discriminative方法去处理这些具有丰富的contextual
inxxxxation的数据，直到Lafferty的出现。
而现在Lafferty做的东西好像很杂，semi－supervised
learning， kernel learning，graphical models甚至manifold
learning都有涉及，可能就是像武侠里一样只要学会了九阳神功，那么其它的武功就可以一窥而知其精髓了。这里面我最喜欢的是semi－supervised
learning，因为随着要处理的数据越来越多，进行全部label过于困难，而完全unsupervised的方法又让人不太放心，在这种情况下semi－supervised
learning就成了最好的。这没有一个比较清晰的认识，不过这也给了江湖后辈成名的可乘之机。到现在为止，我觉得cmu的semi－supervised是做得最好的，以前是KAMAL
NIGAM做了开创性的工作，而现在Lafferty和他的弟子作出了很多总结和创新。
Lafferty的弟子好像不是很多，并且好像都不是很有名。不过今年毕业了一个中国人，Xiaojin
Zhu(上海交通大学校友)，就是做semi－supervised的那个人，现在在wisconsin-madison做assistant
professor。他做了迄今为止最全面的Semi-supervised learning literature
survey，大家可以从他的个人主页中找到。这人看着很憨厚，估计是很好的陶瓷对象。另外我在（1）中所说的Jordan的牛弟子D
Blei今年也投奔Lafferty做博后，就足见Lafferty的牛了。
Lafferty做NLP是很好的，著名的Link Grammar
Parser还有很多别的应用。其中language model在IR中应用，这方面他的另一个中国学生ChengXiang
Zhai(南京大学校友，2004年美国青年科学家总统奖(PECASE)得主)，现在在uiuc做assistant
professor。
-
Machine learning 大家（4): Peter L. Bartlett
鄙人浅薄之见，Jordan比起同在berkeley的Peter
Bartlett还是要差一个层次。Bartlett主要的成就都是在learning
theory方面，也就是ML最本质的东西。他的几篇开创性理论分析的论文，当然还有他的书Neural Network Learning:
Theoretical Foundations。
UC
Berkeley的统计系在强手如林的北美高校中一直是top3，这就足以证明其肯定是群星荟萃，而其中，Peter L.
Bartlett是相当亮的一颗星。关于他的研究，我想可以从他的一本书里得到答案：Neural Network Learning:
Theoretical Foundations。也就是说，他主要做的是Theoretical
Foundations。基础理论虽然没有一些直接可面向应用的算法那样引人注目，但对科学的发展实际上起着更大的作用。试想vapnik要不是在VC维
的理论上辛苦了这么多年，怎么可能有SVM的问世。不过阳春白雪固是高雅，但大多数人只能听懂下里巴人，所以Bartlett的文章大多只能在做理论的那
个圈子里产生影响，而不能为大多数人所广泛引用。
Bartlett在最近两年做了大量的Large margin
classifiers方面的工作，如其convergence rate和generalization
bound等。并且很多是与jordan合作，足见两人的工作有很多相通之处。不过我发现Bartlett的大多数文章都是自己为第一作者，估计是在教育上存在问题吧，没带出特别牛的学生出来。
Bartlett的个人主页的talk里有很多值得一看的slides,如Large Margin Classifiers:
Convexity and Classification；Large Margin Methods for Structured
Classification: Exponentiated Gradient
Algorithms。大家有兴趣的话可以去下来看看。
-
Machine learning 大家（5):
Michael Collins
Michael Collins (http://people.csail.mit.edu/mcollins/
自然语言处理(NLP)江湖的第一高人。出身Upenn，靠一身叫做Collins
Parser的武功在江湖上展露头脚。当然除了资质好之外，其出身也帮了不少忙。早年一个叫做Mitchell P.
Marcus的师傅传授了他一本葵花宝典-Penn Treebank。从此，Collins整日沉迷于此，终于练成盖世神功。
学成之后，Collins告别师傅开始闯荡江湖，投入了一个叫AT&T Labs
Research的帮会，并有幸结识了Robert Schapire、Yoram
Singer等众多高手。大家不要小瞧这个叫AT&T Labs
Research的帮会，如果谁没有听过它的大名总该知道它的同父异母的兄弟Bell Labs吧。
言归正传，话说Collins在这里度过了3年快乐的时光。其间也奠定了其NLP江湖老大的地位。并且练就了Discriminative
Reranking， Convolution Kernels，Discriminative Training Methods for
Hidden Markov
Models等多种绝技。然而，世事难料，怎奈由于帮会经营不善，这帮大牛又不会为帮会拼杀，终于被一脚踢开，大家如鸟兽散了。Schapire去了Princeton，
Singer 也回老家以色列了。Collins来到了MIT，成为了武林第一大帮的六袋长老，并教授一门叫做Machine
Learning Approaches for NLP (http://www.ai.mit.edu/courses/6.891-nlp/)
的功夫。虽然这一地位与其功力极不相符，但是这并没有打消Collins的积极性，通过其刻苦打拼，终于得到了一个叫Sloan
Research Fellow的头衔，并于今年7月，光荣的升任7袋Associate Professor。
在其下山短短7年时间内，Collins共获得了4次世界级武道大会冠军(EMNLP2002, 2004, UAI2004,
2005)。相信年轻的他，总有一天会一统丐帮，甚至整个江湖。
看过Collins和别人合作的一篇文章，用conditional random
fields 做object recogntion。还这么年轻，admire to death
