机器学习手记-入门级概念
2018-03-11 20:41
190 查看
什么是机器学习
利用计算机从历史数据中找出规律,并把这些规律用到未来不确定场景的决策传统的数据分析行业依赖于数据分析师本身的经验和知识水平,通过机器学习则可以摆脱对数据分析师的依赖,由机器代替人工进行分析。
机器学习发展的原动力
从历史数据中找到规律,把这些规律用到未来,自动做出决定用数据代替专家
经济驱动,数据变现
机器学习的模式
离线机器学习利用历史数据建立模型。例如每天夜里利用昨天的销售数据建立模型给明天使用。
在线机器学习
利用实时数据,快速建立模型并应用。例如电商实时推荐系统。
机器学习的典型应用
关联规则
购物篮分析,把常常一起出现在消费者购买清单上的物品作关联分析,发现购买规律。进而调整销售规则,比如捆绑销售。聚类规则
将用户细分,进而达到精准营销朴素贝叶斯
过滤垃圾邮件决策树
信用卡欺诈CTR预估
互联网广告协同过滤
推荐系统常用算法和分类
算法分类(1)
有监督学习训练数据已经被提前打好标签,典型的如分类算法和回归算法
无监督学习
由算法自己完成数据聚类,典型算法如聚类算法
半监督学习
强化学习,如同小孩子学走路,练的越多走得越稳
算法分类2
分类与回归聚类
标注
算法分类3
生成模型根据概率判断,例如该样本60%可能性是A类,比较模棱两可。
判别模型
非1即2,例如该样本是A类,比较武断。
数据分析和机器学习
- | 数据分析 | 机器学习 |
---|---|---|
数据特点 | 交易数据 | 行为数据 |
数据量级 | 少量 | 海量 |
分析方式 | 采样分析 | 全量分析 |
解决问题 | 报告过去的事情 | 预测未来的事情 |
分析方法 | 用户驱动,交互式分析 | 数据驱动,自动进行知识发现 |
参与者 | 分析师 | 数据+算法 |
结果 | 分析师能力决定结果 | 数据质量决定结果 |
目标用户 | 公司高层 | 个体 |
机器学习解决问题的关键
训练模型
定义模型定义损失函数
优化算法
模型评估
交叉验证效果评估
相关文章推荐
- 八大基础概念带你入门机器学习!(附学习资料)
- 机器学习入门:重要的概念---信息熵(Shannon’s Entropy Model)
- 学习路线:入门机器学习基本概念之PCA 的数学原理和可视化效果
- 先搞懂这八大基础概念,再谈机器学习入门!
- 【机器学习】先搞懂这八大基础概念,再谈机器学习入门!
- 程序员的机器学习入门笔记(一):基本概念介绍
- 机器学习入门之一:基本概念
- 学习路线:入门机器学习基本概念之简述极大似然估计
- (转)先搞懂这八大基础概念,再谈机器学习入门!
- 轻松入门机器学习之概念总结(一)
- 先搞懂这八大基础概念,再谈机器学习入门!
- 先搞懂这八大基础概念,再谈机器学习入门!
- 最新机器学习入门八大基础概念
- 【机器学习】机器学习和深度学习概念入门
- 学习路线:入门机器学习基本概念之机器学习中常用评估指标汇总
- 干货丨八大基础概念带你入门机器学习!
- 先搞懂这八大基础概念,再谈机器学习入门!
- 机器学习入门-了解相关概念
- 先搞懂这八大基础概念,再谈机器学习入门
- 机器学习入门——概念介绍