一迂尝、機(jī)器學(xué)習(xí)初步認(rèn)識

1嘉熊、什么是機(jī)器學(xué)習(xí)陈惰？

機(jī)器學(xué)習(xí)就是利用計(jì)算機(jī)從歷史數(shù)據(jù)中找出規(guī)律，并把這些規(guī)律用到對未來不確定場景的決策

比如預(yù)測某公司未來一個(gè)季度的銷量禀挫，這就需要根據(jù)以往季度的銷量情況進(jìn)行分析找出規(guī)律旬陡，然后對下一個(gè)季度的銷量進(jìn)行預(yù)測。

機(jī)器學(xué)習(xí)的主體是機(jī)器语婴，而不是人描孟，與之對應(yīng)的一個(gè)事——也是從歷史數(shù)據(jù)中尋找規(guī)律，是數(shù)據(jù)分析砰左，這個(gè)主體是人匿醒。

從數(shù)據(jù)中尋找規(guī)律，其實(shí)就是機(jī)器學(xué)習(xí)一系列的算法缠导，不同的算法找出來的規(guī)律的形式是不一樣的廉羔，大部分情況下，就是找出一個(gè)數(shù)學(xué)函數(shù)或者是數(shù)學(xué)公式僻造。

2憋他、從數(shù)據(jù)中尋找規(guī)律

統(tǒng)計(jì)學(xué)從數(shù)據(jù)中找規(guī)律的過程：由于受限于計(jì)算能力的限制，主要靠手算或者低端計(jì)算機(jī)髓削，一般采用抽樣計(jì)算竹挡，然后描述統(tǒng)計(jì)，最后根據(jù)結(jié)論回去作假設(shè)檢驗(yàn)立膛，統(tǒng)計(jì)推斷此迅。

由于計(jì)算機(jī)性能的極大提升，現(xiàn)在不用再作抽樣統(tǒng)計(jì)旧巾，可以作全量分析。

3忍些、機(jī)器學(xué)習(xí)為什么突然火起來

• 從歷史數(shù)據(jù)中找出規(guī)律鲁猩，把這些規(guī)律用到對未來自動作出決定
• 用數(shù)據(jù)代替專家
• 經(jīng)濟(jì)驅(qū)動，數(shù)據(jù)變現(xiàn)罢坝，也就是大數(shù)據(jù)的迅猛發(fā)展

4廓握、業(yè)務(wù)系統(tǒng)發(fā)展的歷史

• 早期：基于專家經(jīng)驗(yàn)
• 基于統(tǒng)計(jì)——分維度統(tǒng)計(jì)
• 機(jī)器學(xué)習(xí)——在線學(xué)習(xí)（比如電商網(wǎng)站的針對用戶實(shí)時(shí)的推薦）

二搅窿、機(jī)器學(xué)習(xí)的應(yīng)用

1、關(guān)聯(lián)規(guī)則

• 購物車分析——關(guān)聯(lián)規(guī)則
  其實(shí)這是一個(gè)典型的數(shù)據(jù)挖掘算法隙券，生活中常見的如啤酒和紙尿布的案例

2男应、聚類

• 用戶細(xì)分和精準(zhǔn)營銷
  如用相關(guān)聚類算法，對移動消費(fèi)者用戶消費(fèi)習(xí)慣進(jìn)行分類娱仔，然后有針對性的作出一些資費(fèi)套餐沐飘，如全球通，神州行牲迫，動感地帶等

3耐朴、樸素貝葉斯和決策樹

• 樸素貝葉斯：垃圾郵件
• 決策樹：信用卡欺詐

4、ctr預(yù)估

• 互聯(lián)網(wǎng)廣告：預(yù)測用戶最有可能點(diǎn)擊的頁面盹憎，來進(jìn)行排列頁面推薦順序
• 推薦系統(tǒng)：電商網(wǎng)站中常用推薦商品

5筛峭、自然語言處理和圖形識別

• 自然語言處理(NLP)
  情感分析，實(shí)體識別等
• 圖像識別
  深度學(xué)習(xí)

更多應(yīng)用：

• 語音識別
• 個(gè)性化醫(yī)療
• 人臉識別
• 自動駕駛
• 智慧機(jī)器人
• 私人虛擬助理
• 手勢控制
• 視頻內(nèi)容自動識別
• 機(jī)器實(shí)時(shí)翻譯

三陪每、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)

1影晓、區(qū)別

• 交易數(shù)據(jù) VS 行為數(shù)據(jù)

一般數(shù)據(jù)分析處理的是交易數(shù)據(jù)，比如電商平臺數(shù)據(jù)檩禾，銀行存款數(shù)據(jù)等

而機(jī)器學(xué)習(xí)處理的是行為數(shù)據(jù)挂签，比如用戶的搜索歷史，瀏覽歷史锌订，評論等

• 少量數(shù)據(jù) VS 海量數(shù)據(jù)

• 采樣分析 VS 海量分析

• 報(bào)告過去的事 VS 預(yù)測未來的事

• 技術(shù)手段不同

數(shù)據(jù)分析的數(shù)據(jù)集量相對于機(jī)器學(xué)習(xí)要小

分析方法上竹握，數(shù)據(jù)分析主要是用戶驅(qū)動，交互式分析辆飘，機(jī)器學(xué)習(xí)是數(shù)據(jù)驅(qū)動啦辐，自動進(jìn)行知識發(fā)展

四、機(jī)器學(xué)習(xí)常用算法

1蜈项、算法分類(1)

• 有監(jiān)督學(xué)習(xí)

包括分類算法(垃圾郵件區(qū)分)芹关、回歸算法

• 無監(jiān)督學(xué)習(xí)

包括聚類算法

• 半監(jiān)督學(xué)習(xí)

強(qiáng)化學(xué)習(xí)

2、算法分類(2)

根據(jù)具體的問題分類

• 分類與回歸
• 聚類
• 標(biāo)注

3紧卒、算法分類(3)

• 生成模型
• 判別模型

五侥衬、機(jī)器學(xué)習(xí)如何解決問題

1、確定目標(biāo)

• 業(yè)務(wù)需求
• 解決數(shù)據(jù)問題
• 提取特征工程

2跑芳、訓(xùn)練模型

• 定義模型
• 定義損失函數(shù)(重點(diǎn))
• 優(yōu)化算法(重點(diǎn))

3轴总、模型評估

• 交叉驗(yàn)證
• 效果評估