有人經常會把資料分析與機器學習給搞混掉，機器學習這個主題已經很普遍了，每個人都在談論它，但很少有人能夠透徹地瞭解它，今天老李給大家分享一下機器學習的概念。

資料分析和機器學習

如果你認為大資料僅僅是關於SQL語句查詢和海量的資料的話，那麼別人也會理解你的，但是大資料真正的目的是透過對資料的推斷，從資料中獲取價值、從資料中發現有用的東西。例如，“如果我降低5%的價格，我將增加10%的銷售量。”

資料分析是最重要的技術，包括如下方面:

• 描述性分析：確定所發生的事情。這通常涉及到描述發生了什麼現象的報告。例如，用這個月的銷售額與去年同期進行比較的結果。
• 特徵性分析：解釋現象發生的原因，這通常涉及使用帶有OLAP技術的控制檯用以分析和研究資料，根據資料探勘技術來找到資料之間的相關性。
• 預測性分析：評估可能發生的事情的機率。這可能是預測性分析被用來根據你的工作性質、個人興趣愛好，認為你是一個潛在的讀者，以便能夠連結到其他的人。

機器學習適合於預測性分析。

一個例子說明什麼是機器學習

機器學習是指利用計算機模擬或實現人類的學習行為。那機器是怎麼學習的呢？我們就舉個相親的例子。現有一妙齡女郎相親，候選人有青年 A、B、C 和 D，四個青年的屬性分別為：

• A：『高，帥，富』
• B：『高，帥，窮』
• C：『高，醜，富』
• D：『矮，醜，富』

經過一番篩選，女子將 [A C D] 分為適合婚戀組，將 [B] 劃分為不適合婚戀組。上述就是人類的學習過程。

由於相親物件實在過多，妙齡女郎相不過來了，於是她找來機器幫忙。首先，她要培訓下機器，告訴機器如下資訊：

• A：屬性『高，帥，富』— 標籤 『適合婚戀組』
• B：屬性『高，帥，窮』— 標籤 『不適合婚戀組』
• C：屬性『高，醜，富』— 標籤 『適合婚戀組』
• D：屬性『矮，醜，富』— 標籤 『適合婚戀組』

機器一番學習，建立起了「屬性」和「標籤」的對應關係，這就是機器學習建模過程。現在有青年 E、F、G …… 的屬性值，妙齡少女把這堆屬性值告訴機器，機器返回哪些是可以繼續發展的物件，哪些是淘汰的物件。

這就是  有監督機器學習 ，即告訴機器訓練資料的「屬性」和「標籤」，機器利用某種演算法建立「屬性」和「標籤」的關係，利用該關係，就可以根據新資料的「屬性」得到新資料的「標籤」，如下圖。

機器學習如何工作？

垃圾郵件過濾是一個很好的例子，它利用機器學習技術來學習如何從數百萬封郵件中識別垃圾郵件，其中就用到了統計學技術。

例如，如果每100個電子郵件中的85個，其中包括“便宜”和“偉哥”這兩個詞的郵件被認為是垃圾郵件，我們可以說有85%的機率，確定它是垃圾郵件。並透過其它幾個指標（例如，從來沒給你傳送過郵件的人）結合起來，利用數十億個電子郵件進行演算法測試，隨著訓練次數不斷增加來提升準確率。

事實上，谷歌表示它現在已經可以攔截99.99%左右的垃圾郵件。

機器學習的演算法有哪些

我製作了一份機器學習演算法選擇速查表：

這張速查表能幫你從眾多機器學習演算法中，針對你自己的具體問題和情況，選出最合適的演算法。下面就介紹如何使用這份速查表。

因為是面向初學者，所以在談到演算法時，會盡量做一些最簡單的假設。下文談及的演算法也都是眾多資料科學家、機器學習專家和開發者們推薦的結果。

怎樣使用速查表

按照“如果（路徑標籤）就用（演算法）”的邏輯，檢視速查表上的路徑和演算法標籤。例如：

• 如果你想降維，就用主成分分析。
• 如果你需要迅速得到數值預測，就用決策樹和邏輯迴歸。
• 如果你需要層次結果，就用層次聚類。

有時我們可能需要不止一個演算法，有時可能這些演算法沒有一個是最合適的。我和許多資料科學家聊過，他們認為這種情況下，最保險的做法就是把所有演算法都嘗試一遍，找到最合適的那個。