Classical Machine Learning: Seventy Years of Algorithmic Learning Evolution

要約

機械学習 (ML) は多くの分野を変革しましたが、その基礎研究を理解することは、機械学習が継続的に進歩するために重要です。
この論文では、重要な古典的な ML アルゴリズムの概要を示し、広範な書誌学的分析研究を通じて 120 年にわたる最先端の出版物を調査します。
私たちは、重要な洞察を明らかにするために引用分析とキーワード分析を使用して、著名な ML カンファレンスやジャーナルから引用数の多い論文のデータセットを分析しました。
この調査ではさらに、最も影響力のある論文と著者を特定し、ML コミュニティ内で進化する協力ネットワークを明らかにし、一般的な研究テーマと新たな焦点分野を正確に特定します。
さらに、引用度の高い出版物の地理的分布を調査し、ML 研究の主要国に焦点を当てます。
この研究は、従来の学習アルゴリズムの進化とその影響についての包括的な概要を提供します。
グローバル・サウスに焦点を当て、将来の発展に向けた課題と機会について議論します。
この論文の結果は、ML 専門家とより広範な研究コミュニティの両方に貴重な洞察を提供し、この分野の軌跡と学習アルゴリズムの最近の進歩に対するその重大な影響についての理解を深めます。

要約(オリジナル)

Machine learning (ML) has transformed numerous fields, but understanding its foundational research is crucial for its continued progress. This paper presents an overview of the significant classical ML algorithms and examines the state-of-the-art publications spanning twelve decades through an extensive bibliometric analysis study. We analyzed a dataset of highly cited papers from prominent ML conferences and journals, employing citation and keyword analyses to uncover critical insights. The study further identifies the most influential papers and authors, reveals the evolving collaborative networks within the ML community, and pinpoints prevailing research themes and emerging focus areas. Additionally, we examine the geographic distribution of highly cited publications, highlighting the leading countries in ML research. This study provides a comprehensive overview of the evolution of traditional learning algorithms and their impacts. It discusses challenges and opportunities for future development, focusing on the Global South. The findings from this paper offer valuable insights for both ML experts and the broader research community, enhancing understanding of the field’s trajectory and its significant influence on recent advances in learning algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google