機器學習知多少

機器學習知多少

機器學習這門學科所關注的問題是：計算機程式如何隨著經驗積累自動提高效能。對於某類任務 T 和效能度量 P ，如果一個計算機程式在 T 上以 P 衡量的效能隨著經驗 E 而自我完善，那麼我們稱這個計算機程式在從經驗 E 學習。

-- Tom Mitchell, Machine Learning

模式識別起源於工程學，而機器學習產生於電腦科學。然而這些領域可以看做成是同一領域的兩個方面。

--Bishop, Pattern Recognition and Machine Learning

機器學習是一類從資料中自動發現模式，並基於發現的模式預測未來資料或者在不確定條件下執行某類決策的方法。

-- Murphy, Machine Learning: A Probabilistic Perspective

按學習方式分為三大類

	說明	解決問題
監督學習 Supervised learning	從給定的訓練資料集（歷史資料）中 學習出一個函式 ，當新的資料到來時，可以根據這個函式預測結果。監督學習的訓練集需要包括輸入和輸出，也可以說是特徵和目標 /Label。訓練集中的 目標是由人標註 的。	分類 迴歸
Unsupervised learning	與監督學習相比，輸入的資料 沒有人為標註的結果 ，模型需要對資料的結構和數值進行歸納。比如根據使用者的基本資訊把所有使用者劃分為不同的使用者群，再對不同人群採取不同的銷售策略	聚類（分群）
強化學習 Reinforcement   learning	輸入資料可以刺激模型並且使模型做出反應。 反饋 不僅從監督學習的學習過程中得到，還從環境中的獎勵或懲罰中得到。	機器人 Alpha GO

 

機器學習服務的優勢有哪些？

機器學習服務可降低機器學習使用門檻，提供視覺化的操作介面來編排機器學習模型

的訓練、評估和預測過程，無縫銜接資料分析和預測應用，降低機器學習模型的生命

週期管理難度，為使用者的資料探勘分析業務提供易用、高效、高效能的平臺服務。

 

華為機器學習服務 MLS ：一站式資料探勘分析平臺

機器學習服務（ Machine Learning Service ），資料探勘分析平臺服務，幫助使用者透過機器學習技術發現已有資料中的規律，從而建立機器學習模型，並基於機器學習模型處理新的資料，為業務應用生成預測結果。

機器學習服務場景方案舉例

1.        預測性維護

   裝置工作狀態預測：如裝置是否會發生故障、裝置剩餘壽命

2.        推薦

廣告推薦：根據客戶喜好提供個性化推薦

3.        異常軌跡分析

分析車聯網車輛行駛資料，發掘車輛異常軌跡，減少企業損失

4.        話題發現

輿情監控，從大量文字資料中識別熱點話題，瞭解當前輿論趨勢

5.        客戶挽留

分析客戶屬性及行為，預測客戶流失率， 指導企業制定挽留方案

6.        零售商分群

根據零售商的進出貨資料對零售商進行分類，進行針對性的管理

7.        駕駛行為分析

分析車輛行駛資料，識別使用者駕駛習慣，保險創新帶來二次收益

8.        文字分類

新聞網站中文字的自動分類，如體育、娛樂、政治等

     以上所有提及內容歡迎登入華為雲學院（ https://edu.huaweicloud.com/   ），在雲學院站內搜尋“機器學習服務”即可完整學習。目前華為雲學院已上線大量相關免費課程供大家學習和探討。