机器学习

从大数据中找到规律，通过可视化的角度呈现给人们。
用数据代替专家，用数据做决策。
经济驱动，数据变现 —— 大数据。

机器学习的典型引用：
经典案例——啤酒和纸尿裤的例子。
购物篮分析：关联规则
用户细分精准营销：聚类
垃圾邮件识别：朴素贝尔斯
信用卡欺诈：决策树
互联网广告：ctr预估，用户点击的可能性
自然语言处理：情感分析、实体识别
图像识别：深度学习

更多应用：
语音识别
个性化医疗
情感分析
人脸识别
自动驾驶
智慧机器人
私人虚拟助理
手势控制
视频内容识别
机器实时翻译

机器学习和数据分析的区别

数据特点：交易数据 vs 行为数据
交易数据：账单、订单
行为数据：浏览历史、搜索历史、点击历史、评论
少量数据 vs 海量数据
采样分析 vs 全量分析
解决业务问题不同

Snip20161110_1.png

参与者不同
分析师：分析师能力决定结果
数据 + 算法：数据质量决定结果
目标用户：个体
机器学习算法分类1：
有监督学习：提前打好标签，这个邮件是不是垃圾邮件，分类算法、回归算法
无监督学习：聚类
半监督学习：走的次数越多，效果越好
分类算法2：
分类回归
聚类
标注
分类算法3：比较重要
生成模型：模棱两可，百分比
判别模型：非真即假

常见算法
ICDM

Snip20161110_2.png

FP-Growth
逻辑回归
RF、GBDT
推荐算法
LDA
Word2Vector
HMM、CRF
深度学习