美文网首页
机器学习入门——理论篇

机器学习入门——理论篇

作者: JokerPeng | 来源:发表于2018-04-02 15:40 被阅读0次

    一、机器学习初步认识

    1、什么是机器学习?

    机器学习就是利用计算机从历史数据中找出规律,并把这些规律用到对未来不确定场景的决策

    比如预测某公司未来一个季度的销量,这就需要根据以往季度的销量情况进行分析找出规律,然后对下一个季度的销量进行预测。

    机器学习的主体是机器,而不是人,与之对应的一个事——也是从历史数据中寻找规律,是数据分析,这个主体是人。

    从数据中寻找规律,其实就是机器学习一系列的算法,不同的算法找出来的规律的形式是不一样的,大部分情况下,就是找出一个数学函数或者是数学公式。

    2、从数据中寻找规律

    统计学从数据中找规律的过程:由于受限于计算能力的限制,主要靠手算或者低端计算机,一般采用抽样计算,然后描述统计,最后根据结论回去作假设检验,统计推断。

    由于计算机性能的极大提升,现在不用再作抽样统计,可以作全量分析

    3、机器学习为什么突然火起来
    • 从历史数据中找出规律,把这些规律用到对未来自动作出决定
    • 用数据代替专家
    • 经济驱动,数据变现,也就是大数据的迅猛发展
    4、业务系统发展的历史
    • 早期:基于专家经验
    • 基于统计——分维度统计
    • 机器学习——在线学习(比如电商网站的针对用户实时的推荐)

    二、机器学习的应用

    1、关联规则
    • 购物车分析——关联规则
      其实这是一个典型的数据挖掘算法,生活中常见的如啤酒和纸尿布的案例
    2、聚类
    • 用户细分和精准营销
      如用相关聚类算法,对移动消费者用户消费习惯进行分类,然后有针对性的作出一些资费套餐,如全球通,神州行,动感地带等
    3、朴素贝叶斯和决策树
    • 朴素贝叶斯:垃圾邮件
    • 决策树:信用卡欺诈
    4、ctr预估
    • 互联网广告:预测用户最有可能点击的页面,来进行排列页面推荐顺序
    • 推荐系统:电商网站中常用推荐商品
    5、自然语言处理和图形识别
    • 自然语言处理(NLP)
      情感分析,实体识别等
    • 图像识别
      深度学习

    更多应用:

    • 语音识别
    • 个性化医疗
    • 人脸识别
    • 自动驾驶
    • 智慧机器人
    • 私人虚拟助理
    • 手势控制
    • 视频内容自动识别
    • 机器实时翻译

    三、数据分析和机器学习

    1、区别
    • 交易数据 VS 行为数据

    一般数据分析处理的是交易数据,比如电商平台数据,银行存款数据等

    而机器学习处理的是行为数据,比如用户的搜索历史,浏览历史,评论等

    • 少量数据 VS 海量数据

    • 采样分析 VS 海量分析

    • 报告过去的事 VS 预测未来的事

    • 技术手段不同

    数据分析的数据集量相对于机器学习要小

    分析方法上,数据分析主要是用户驱动,交互式分析,机器学习是数据驱动,自动进行知识发展

    四、机器学习常用算法

    1、算法分类(1)
    • 有监督学习

    包括分类算法(垃圾邮件区分)、回归算法

    • 无监督学习

    包括聚类算法

    • 半监督学习

    强化学习

    2、算法分类(2)

    根据具体的问题分类

    • 分类与回归
    • 聚类
    • 标注
    3、算法分类(3)
    • 生成模型
    • 判别模型

    五、机器学习如何解决问题

    1、确定目标
    • 业务需求
    • 解决数据问题
    • 提取特征工程
    2、训练模型
    • 定义模型
    • 定义损失函数(重点)
    • 优化算法(重点)
    3、模型评估
    • 交叉验证
    • 效果评估

    相关文章

      网友评论

          本文标题:机器学习入门——理论篇

          本文链接:https://www.haomeiwen.com/subject/kkfjqftx.html