機(jī)器學(xué)習(xí)是什么？從廣義上講，機(jī)器學(xué)習(xí)是一種能夠賦予機(jī)器學(xué)習(xí)的能力，讓它以此完成直接編程無法完成的功能的方法。但從實(shí)踐的意義上講，機(jī)器學(xué)習(xí)是一種通過利用數(shù)據(jù)，訓(xùn)練出模型，然后使用模型預(yù)測的一種方法。

人工智能是一種能夠使得計(jì)算機(jī)及其系統(tǒng)能夠成功完成通常需要人類智能行為才能完成的任務(wù)的研究和開發(fā)。機(jī)器學(xué)習(xí)是人工智能的核心，是訓(xùn)練計(jì)算機(jī)完成上述任務(wù)的技術(shù)和過程，是其必不可少的一部分。

目前機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域十分廣泛，例如：數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識(shí)別、戰(zhàn)略游戲和機(jī)器人運(yùn)用等。

機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域

谷歌是互聯(lián)網(wǎng)領(lǐng)域有名的使用機(jī)器學(xué)習(xí)的公司，如下圖所示，谷歌將機(jī)器學(xué)習(xí)應(yīng)用到不同的產(chǎn)品中。

機(jī)器學(xué)習(xí)的三大基石—算法、數(shù)據(jù)和計(jì)算能力，算法作為其中之一，是非常重要的。然而當(dāng)前的算法數(shù)不勝數(shù)，而新的算法更是層出不窮，那么機(jī)器學(xué)習(xí)都會(huì)涉及哪些算法呢？不同算法適用于哪些場景呢？

機(jī)器學(xué)習(xí)的任務(wù)

當(dāng)前在機(jī)器學(xué)習(xí)領(lǐng)域，最常見的機(jī)器學(xué)習(xí)任務(wù)主要有三類：回歸（Regression）、分類（Classification）、聚類（Clustering）。

回歸是一種用于連續(xù)型數(shù)值變量預(yù)測和建模的算法，使用案例包括房地產(chǎn)價(jià)格、股價(jià)走勢或?qū)W生成績等的預(yù)測。

分類是用于分類變量建模及預(yù)測的算法，使用案例包括員工流失、郵件過濾、金融欺詐等的預(yù)測。

聚類則是基于數(shù)據(jù)內(nèi)部結(jié)構(gòu)來尋找樣本自然族群（集群）的算法，使用案例包括用戶畫像、電商物品聚類、社交網(wǎng)絡(luò)分析等。

我們可以用幾個(gè)例子來說明：

假設(shè)你是個(gè)地產(chǎn)商。你有以往售出樓房的數(shù)據(jù)－－總面積、有幾間臥室等等——以及它們的售價(jià)。你拿到一幢新房的時(shí)候，就能根據(jù)手頭的數(shù)據(jù)，預(yù)測新房的售價(jià)。這是一個(gè)回歸問題。

假設(shè)你是一個(gè)醫(yī)生。你有很多人的健康數(shù)據(jù)——各項(xiàng)生理指標(biāo)、遺傳因素、以及他們是非患有某一種疾病的測試結(jié)果。測試結(jié)果可以用二進(jìn)制表示為：1代表患有疾病，0代表未患有疾病。當(dāng)你遇到一個(gè)新的測試者，輸入他的數(shù)據(jù)，你就能預(yù)測他是否患有疾病。因?yàn)檩敵龅男问绞且阎模?或者0），這是一個(gè)分類問題。

假設(shè)你是一個(gè)市場經(jīng)理。你有一些客戶的資料——客戶年齡、購買產(chǎn)品、購買金額等——你希望找出哪些客戶屬于相近的群體，可能給他們一些特殊優(yōu)惠。以上的客戶資料可以作為算法的輸入，不過你不知道輸出會(huì)是什么樣的，因此這是聚類問題。

機(jī)器學(xué)習(xí)常用算法

面對不同的問題，演化出了許許多多的算法，這些算法根據(jù)其功能和形式的類似性大致可分為以下幾類：

在這十三個(gè)大類里又有很多具體的算法，比如常見的回歸算法包括：最小二乘法、邏輯回歸、逐步式回歸、多元自適應(yīng)回歸樣條等。

不同的算法有不同的優(yōu)缺點(diǎn)也有不同的應(yīng)用領(lǐng)域，例如常見的決策樹算法易于理解和解釋、可以可視化分析、容易提取出規(guī)則、運(yùn)行速度快、對中間值缺失不敏感、可以處理不相關(guān)特征數(shù)據(jù)。但同時(shí)容易產(chǎn)生過度匹配的問題、構(gòu)建耗時(shí)、同時(shí)對缺失數(shù)據(jù)處理比較困難。由于決策樹良好的分析能力，在決策過程應(yīng)用較多，常用于企業(yè)管理實(shí)踐，企業(yè)投資決策等領(lǐng)域。

決策樹原理示意圖

“天下沒有免費(fèi)的午餐”，沒有算法能完美地解決所有問題，算法的選擇要受很多因素的影響，比如數(shù)據(jù)集的規(guī)模或結(jié)構(gòu)。在用給定的測試集來評估性能并挑選算法時(shí)，應(yīng)當(dāng)根據(jù)具體的問題來采用不同的算法。

通常工程師在選擇算法時(shí)需要考慮主要因素有：

1）數(shù)據(jù)量的大小、數(shù)據(jù)質(zhì)量和數(shù)據(jù)本身的特點(diǎn)

2）要解決的具體業(yè)務(wù)場景中問題的本質(zhì)是什么？

3）可以接受的計(jì)算時(shí)間是什么？

4）算法精度要求有多高？

也就是說，所選的算法必須要適用于當(dāng)下要的問題，這就要求選擇正確的機(jī)器學(xué)習(xí)任務(wù)，需要考慮算法的準(zhǔn)確度，訓(xùn)練時(shí)間和易用性。就好像，如果你需要打掃房子，你可能會(huì)用到吸塵器、掃帚或是拖把，但你絕對不該掏出鏟子來挖地。

機(jī)器學(xué)習(xí)算法通過自動(dòng)地從提供的數(shù)據(jù)中學(xué)習(xí)，它會(huì)讓我們的程序變得更“聰明”。

想了解更多IT資訊，請?jiān)L問中培偉業(yè)官網(wǎng)：中培偉業(yè)