机器学习这个概念最早是由IBM公司发明的。大家都知道,IBM最善于发明各种新概念,比如智慧地球,也是他的发明。但是,不能望文生义,Machine Learning,并不是说机器会学习,正相反,和人比起来,计算机差距最大的地方,就是不善于学习了。

虽然如此,但是在某些特定领域,只要你定义了足够好的问题,机器学习算法还是能如你所愿,展现它的能力的。比如,如果可以运用DataFocus进行销量的预测,并且获得比较好的效果。那么,接下来我们来谈谈,如何定义好问题?

总体来说,机器学习能应付的问题只有这么4类问题:

  1. 屋子里进来一个人,是男的还是女的?

这是个分类问题。机器学习模型可以通过算法训练,很熟练的区分不同的类别。类似的额问题还包括,这个涡轮叶片运行1年会不会坏掉?如果搞个商场大促销,是直接打折,还是发优惠前,销售量大?

  1. 生产线的传送带送来了又一个轮胎,它合格吗?

这属于模式识别的问题。从一系列正常的模式中,识别出异常值。比如欺诈监测,故障预警,等等,都属于这类问题。

  1. 你的淘宝小店,明天销量会是多少呢?

这是典型的预测场景了。关于数值的预测,你简直随处都可以遇到,比如,明天温度会是多少?下一分钟,股价会变成多少(尽管这很难预测)。

  1. 火车站广场上的一群人,哪些是男人,哪些是女人呢?

这是一类典型的聚类问题。给你一坨东西,给他们归个类。比如有些分拣机器人,就得具备这种能力,苹果和橘子得分开装箱,它们干得非常好。

DataFocus的机器学习算法集成平台,可以帮你解决很多问题,前提是你得提出一个好问题。当然了,你的问题如果是:怎么样提高我的利润率?或者,怎样增加我的销售收入?DataFocus是拒绝回答的。

标签: ,
版权声明:除非注明,否则均为DataFocus企业大数据分析系统 原创文章,转载请以链接形式标明本文地址。否则将追究法律责任。
转载请注明来源:https://www.datafocus.ai/26395.html
上一篇:
下一篇: