什么是機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)的工作原理是什么？
機(jī)器學(xué)習(xí) (ML) 是人工智能 (AI) 的一個(gè)分支，旨在構(gòu)建能夠根據(jù)所使用的數(shù)據(jù)進(jìn)行學(xué)習(xí)或改進(jìn)性能的系統(tǒng)。人工智能是一個(gè)寬泛的術(shù)語(yǔ)，指的是模仿人類(lèi)智能的系統(tǒng)或機(jī)器。機(jī)器學(xué)習(xí)和人工智能這兩個(gè)術(shù)語(yǔ)經(jīng)常被相提并論，有時(shí)甚至互換使用，但它們的含義并不相同。其中一個(gè)重大區(qū)別是，所有的機(jī)器學(xué)習(xí)都是 AI，但不是所有的 AI 都是機(jī)器學(xué)習(xí)。
如今，機(jī)器學(xué)習(xí)無(wú)處不在。當(dāng)我們與銀行交互、在線購(gòu)物或使用社交媒體時(shí)，機(jī)器學(xué)習(xí)算法會(huì)發(fā)揮作用，讓我們獲得高效、順暢和安全的體驗(yàn)。目前，機(jī)器學(xué)習(xí)及其相關(guān)技術(shù)正迅速發(fā)展，對(duì)于它的強(qiáng)大功能，我們只是略知一二而已。
機(jī)器學(xué)習(xí)的工作原理是什么？
機(jī)器學(xué)習(xí)的核心思想是任意輸入和輸出數(shù)據(jù)組合之間的現(xiàn)有數(shù)學(xué)關(guān)系。機(jī)器學(xué)習(xí)模型事先不知道這種關(guān)系，但如果給出足夠的數(shù)據(jù)集，它可以猜測(cè)出來(lái)。這意味著每個(gè)機(jī)器學(xué)習(xí)算法都是圍繞一個(gè)可修改的數(shù)學(xué)函數(shù)構(gòu)建的?；驹砜梢赃@樣理解：
我們?yōu)樗惴ㄌ峁┝艘韵螺斎?輸出 (i,o) 組合來(lái)“訓(xùn)練”算法 – (2,10)、(5,19) 和 (9,31)
算法計(jì)算出輸入和輸出之間的關(guān)系為：o=3*i+4
我們?yōu)樗惴ㄌ峁┹斎?7，并要求算法預(yù)測(cè)輸出。算法會(huì)自動(dòng)確定輸出為 25。
雖然這只是機(jī)器學(xué)習(xí)的基本理解，但機(jī)器學(xué)習(xí)關(guān)注的是一個(gè)原則，即所有復(fù)雜的數(shù)據(jù)點(diǎn)都可以通過(guò)計(jì)算機(jī)系統(tǒng)建立數(shù)學(xué)關(guān)聯(lián)，只要它們有足夠的數(shù)據(jù)和計(jì)算能力來(lái)處理這些數(shù)據(jù)。因此，輸出的準(zhǔn)確度與給定的輸入大小直接相關(guān)。
機(jī)器學(xué)習(xí)的類(lèi)型：兩種學(xué)習(xí)方法
算法是驅(qū)動(dòng)機(jī)器學(xué)習(xí)的引擎。一般來(lái)說(shuō)，機(jī)器學(xué)習(xí)算法主要分兩種：監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。這兩者的區(qū)別在于如何學(xué)習(xí)數(shù)據(jù)從而做出預(yù)測(cè)。
1.監(jiān)督機(jī)器學(xué)習(xí)
監(jiān)督機(jī)器學(xué)習(xí)算法最為常用。在該模型下，數(shù)據(jù)科學(xué)家扮演向?qū)В嬖V算法它應(yīng)該得出什么結(jié)論。就像孩子通過(guò)在圖畫(huà)書(shū)中記住水果來(lái)學(xué)習(xí)識(shí)別水果一樣，在監(jiān)督學(xué)習(xí)中，算法是由已經(jīng)標(biāo)記并具有預(yù)定義輸出的數(shù)據(jù)集進(jìn)行訓(xùn)練的。
監(jiān)督機(jī)器學(xué)習(xí)的例子包括算法，如線性和邏輯回歸，多類(lèi)別分類(lèi)和支持向量機(jī)。
2.無(wú)監(jiān)督機(jī)器學(xué)習(xí)
無(wú)監(jiān)督機(jī)器學(xué)習(xí)相對(duì)而言更加獨(dú)立，在該模式下，計(jì)算機(jī)會(huì)在無(wú)人類(lèi)持續(xù)提供密切指導(dǎo)的前提下學(xué)習(xí)識(shí)別復(fù)雜的過(guò)程和模式。無(wú)監(jiān)督機(jī)器學(xué)習(xí)包括根據(jù)沒(méi)有標(biāo)簽的數(shù)據(jù)或特定的、定義好輸出的數(shù)據(jù)進(jìn)行訓(xùn)練。
就如上文使用幼兒教學(xué)作類(lèi)比，無(wú)監(jiān)督機(jī)器學(xué)習(xí)類(lèi)似于孩子通過(guò)觀察顏色和圖案來(lái)識(shí)別水果，而不是在老師的幫助下記住水果的名字。孩子（算法）會(huì)自己尋找圖像之間的相似性，對(duì)圖像分組，為每一個(gè)小組分配一個(gè)新標(biāo)簽。無(wú)監(jiān)督機(jī)器學(xué)習(xí)的算法有 K 均值聚類(lèi)、主成分和獨(dú)立分量分析以及關(guān)聯(lián)規(guī)則。
3.如何選擇？
哪種方法更符合您的需求？在現(xiàn)實(shí)中，選擇監(jiān)督還是無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法，取決于一些與數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)量相關(guān)的因素以及具體使用場(chǎng)景。目前，機(jī)器學(xué)習(xí)已在很多行業(yè)中實(shí)現(xiàn)了蓬勃發(fā)展，廣泛應(yīng)用于各種業(yè)務(wù)目標(biāo)和場(chǎng)景，包括：
客戶終身價(jià)值
異常檢測(cè)
動(dòng)態(tài)定價(jià)
預(yù)測(cè)性維護(hù)
圖像分類(lèi)
推薦引擎
機(jī)器學(xué)習(xí)的業(yè)務(wù)目標(biāo)：客戶終身價(jià)值建模
客戶終身價(jià)值建模不僅對(duì)電子商務(wù)至關(guān)重要，同時(shí)也適用于許多其他行業(yè)。在此模型中，企業(yè)使用機(jī)器學(xué)習(xí)算法來(lái)識(shí)別、洞察和留住最有價(jià)值的客戶。這些價(jià)值模型將評(píng)估海量的客戶數(shù)據(jù)，以識(shí)別貢獻(xiàn)營(yíng)收最多的消費(fèi)者，忠誠(chéng)度最高的擁躉，或者這些特質(zhì)的組合。
客戶終身價(jià)值模型在預(yù)測(cè)一定時(shí)期內(nèi)客戶將為企業(yè)帶來(lái)多少收入上尤其有效，它讓企業(yè)能夠?qū)I(yíng)銷(xiāo)重點(diǎn)放在激勵(lì)高價(jià)值客戶更頻繁地與品牌互動(dòng)上。此外，客戶終身價(jià)值模型還可以幫助企業(yè)精確投放營(yíng)銷(xiāo)支出，吸引與現(xiàn)有高價(jià)值客戶類(lèi)似的新客戶。
基于機(jī)器學(xué)習(xí)的客戶流失建模
與維持現(xiàn)有客戶的滿意度和忠誠(chéng)度相比，吸引新客戶更耗時(shí)，成本也更高。通過(guò)對(duì)客戶流失建模，企業(yè)可識(shí)別哪些客戶可能會(huì)停止互動(dòng)以及背后的原因。
一個(gè)有效的客戶流失模型可基于機(jī)器學(xué)習(xí)算法提供全面的洞察，從單個(gè)客戶的流失風(fēng)險(xiǎn)評(píng)分到按重要性排序的客戶流失動(dòng)因。這些洞察對(duì)于算法性客戶維系策略的開(kāi)發(fā)至關(guān)重要。
在深入了解客戶流失數(shù)據(jù)后，企業(yè)可以優(yōu)化折扣優(yōu)惠、電子郵件營(yíng)銷(xiāo)活動(dòng)和其他精準(zhǔn)營(yíng)銷(xiāo)活動(dòng)，促成高價(jià)值客戶購(gòu)買(mǎi)和再次光顧。
如今消費(fèi)者和過(guò)去相比有更多的選擇，他們可以即時(shí)比較各種渠道的價(jià)格。動(dòng)態(tài)定價(jià)（也稱為需求定價(jià)）讓企業(yè)能夠適應(yīng)不斷變化的市場(chǎng)動(dòng)態(tài)，根據(jù)目標(biāo)客戶的興趣水平、購(gòu)買(mǎi)時(shí)的需求以及是否參加了營(yíng)銷(xiāo)活動(dòng)等因素對(duì)產(chǎn)品進(jìn)行靈活定價(jià)。
要想獲得這樣的業(yè)務(wù)敏捷性，企業(yè)需要一個(gè)可靠的機(jī)器學(xué)習(xí)策略，以及大量關(guān)于不同客戶在各種場(chǎng)景下付費(fèi)意愿如何變化的數(shù)據(jù)。動(dòng)態(tài)定價(jià)模型可能很復(fù)雜，但為了充分提高收入，目前航空公司和拼車(chē)服務(wù)等企業(yè)已經(jīng)成功實(shí)施了動(dòng)態(tài)價(jià)格優(yōu)化策略。
機(jī)器學(xué)習(xí)的業(yè)務(wù)目標(biāo)：基于客戶細(xì)分精準(zhǔn)定位客戶
成功的營(yíng)銷(xiāo)總是在適當(dāng)?shù)臅r(shí)機(jī)為適當(dāng)?shù)娜颂峁┖线m的產(chǎn)品。就在不久前，營(yíng)銷(xiāo)人員還需要依靠自己的直覺(jué)對(duì)客戶進(jìn)行細(xì)分，將客戶分成幾個(gè)小組，然后有針對(duì)性地投放營(yíng)銷(xiāo)活動(dòng)。
如今，機(jī)器學(xué)習(xí)使數(shù)據(jù)科學(xué)家能夠使用聚類(lèi)和分類(lèi)算法，根據(jù)特定的變量將客戶分組到各角色中。這些角色考慮了多個(gè)維度的客戶差異，例如人口統(tǒng)計(jì)數(shù)據(jù)、瀏覽行為和親和度。精通數(shù)據(jù)的企業(yè)將這些特征與購(gòu)買(mǎi)行為模式聯(lián)系起來(lái)，就能推出高度個(gè)性化的營(yíng)銷(xiāo)活動(dòng)，進(jìn)而更有效地促進(jìn)銷(xiāo)售。
隨著企業(yè)可用數(shù)據(jù)的增長(zhǎng)和算法日趨復(fù)雜，個(gè)性化功能將會(huì)越來(lái)越多，讓企業(yè)更貼近理想的客戶群。
機(jī)器學(xué)習(xí)的業(yè)務(wù)目標(biāo)：發(fā)揮圖像分類(lèi)的強(qiáng)大力量
機(jī)器學(xué)習(xí)不僅適用于零售、金融服務(wù)和電子商務(wù)等場(chǎng)景，它在科學(xué)、醫(yī)療衛(wèi)生、建筑和能源應(yīng)用領(lǐng)域也有巨大的潛力。例如，在機(jī)器學(xué)習(xí)算法的幫助下，圖像分類(lèi)可將一組固定的標(biāo)簽分配給任意圖像。它使企業(yè)能夠基于 2D 設(shè)計(jì)對(duì) 3D 建筑計(jì)劃進(jìn)行建模，支持在社交媒體中進(jìn)行照片標(biāo)記以及通知醫(yī)療診斷等功能。
神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)方法經(jīng)常被用于圖像分類(lèi)，因?yàn)樗鼈兛梢愿鶕?jù)潛在聯(lián)系有效識(shí)別圖像的相關(guān)特征。例如，它們可以識(shí)別圖像中的視角、光照、縮放或雜斑量的變化然后進(jìn)行補(bǔ)償，提供相關(guān)度最高的高質(zhì)量洞察。
推薦引擎
推薦引擎對(duì)于交叉銷(xiāo)售和追加銷(xiāo)售以及改善客戶體驗(yàn)必不可少。
Netflix 表示自家的推薦引擎每年在內(nèi)容建議方面創(chuàng)造的價(jià)值高達(dá) 10 億美元，而亞馬遜則表示自家的推薦引擎系統(tǒng)每年帶來(lái)了 20% 至 35% 的年銷(xiāo)售額增長(zhǎng)。
推薦引擎使用機(jī)器學(xué)習(xí)算法篩選大量數(shù)據(jù)，預(yù)測(cè)客戶購(gòu)買(mǎi)商品或?yàn)g覽內(nèi)容的可能性，然后為用戶提供個(gè)性化建議。這有助于構(gòu)建更加個(gè)性化、相關(guān)度更高的客戶體驗(yàn)，促進(jìn)客戶互動(dòng)，減少客戶流失。
機(jī)器學(xué)習(xí)的使用場(chǎng)景
機(jī)器學(xué)習(xí)適用于一系列廣泛的關(guān)鍵業(yè)務(wù)使用場(chǎng)景。它如何提升企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)？機(jī)器學(xué)習(xí)最引人注目的一大特點(diǎn)是自動(dòng)化和加快決策速度，更快創(chuàng)造價(jià)值。它能為企業(yè)提供更高的可見(jiàn)性，增強(qiáng)企業(yè)協(xié)作。
制造業(yè)
機(jī)器學(xué)習(xí)可以為制造業(yè)的預(yù)測(cè)性維護(hù)、質(zhì)量控制和創(chuàng)新研究提供支持。機(jī)器學(xué)習(xí)技術(shù)還可以幫助公司改進(jìn)物流解決方案，包括資產(chǎn)、供應(yīng)鏈以及庫(kù)存管理。
醫(yī)護(hù)及生命科學(xué)
可穿戴傳感器和設(shè)備的激增產(chǎn)生了大量的健康數(shù)據(jù)。機(jī)器學(xué)習(xí)程序可以分析此信息，并為醫(yī)生的實(shí)時(shí)診斷和治療提供支持。機(jī)器學(xué)習(xí)研究人員正在開(kāi)發(fā)發(fā)現(xiàn)癌癥腫瘤并診斷眼睛疾病的解決方案，這會(huì)對(duì)人類(lèi)健康結(jié)果產(chǎn)生巨大影響。
金融服務(wù)
金融機(jī)器學(xué)習(xí)方案改進(jìn)了風(fēng)險(xiǎn)分析和監(jiān)管程序。機(jī)器學(xué)習(xí)技術(shù)可讓投資者分析股市走勢(shì)、評(píng)估對(duì)沖基金或校準(zhǔn)金融服務(wù)產(chǎn)品組合，從而發(fā)現(xiàn)新的機(jī)會(huì)。此外，它還有助于識(shí)別高風(fēng)險(xiǎn)貸款客戶，減少欺詐問(wèn)題。 金融軟件領(lǐng)導(dǎo)者 Intuit 使用 AWS Machine Learning 系統(tǒng) Amazon Textract 來(lái)創(chuàng)建更個(gè)性化的財(cái)務(wù)管理方案，并幫助終端用戶改善他們的財(cái)務(wù)狀況。
零售
零售業(yè)可以使用機(jī)器學(xué)習(xí)來(lái)改進(jìn)客戶服務(wù)、庫(kù)存管理、追加銷(xiāo)售和跨渠道營(yíng)銷(xiāo)。
媒體和娛樂(lè)
娛樂(lè)公司轉(zhuǎn)向使用機(jī)器學(xué)習(xí)，希望更好地了解他們的目標(biāo)受眾，并根據(jù)受眾需求提供沉浸式的個(gè)性化內(nèi)容。部署機(jī)器學(xué)習(xí)算法有助于設(shè)計(jì)預(yù)告片和其他廣告，為消費(fèi)者提供個(gè)性化的內(nèi)容建議，甚至還可以簡(jiǎn)化生產(chǎn)。
預(yù)測(cè)的力量
機(jī)器學(xué)習(xí)另一個(gè)振奮人心的功能是能夠預(yù)測(cè)。過(guò)去，業(yè)務(wù)決策通常是基于歷史結(jié)果做出的。如今，機(jī)器學(xué)習(xí)使用豐富的分析來(lái)預(yù)測(cè)將要發(fā)生的事。組織可以做出前瞻性的主動(dòng)決策，而不是依賴歷史數(shù)據(jù)。
例如，預(yù)測(cè)性維護(hù)可幫助制造商、能源公司和其他行業(yè)占據(jù)主動(dòng)權(quán)，確保運(yùn)營(yíng)的可靠性和優(yōu)化狀態(tài)。在擁有數(shù)百臺(tái)鉆機(jī)的油田中，機(jī)器學(xué)習(xí)模型可以發(fā)現(xiàn)在不久的將來(lái)有故障風(fēng)險(xiǎn)的設(shè)備，然后提前通知維護(hù)團(tuán)隊(duì)。這種方法不僅能盡可能提高生產(chǎn)率，還可以改善資產(chǎn)性能，延長(zhǎng)正常運(yùn)行時(shí)間和使用壽命。它還可以盡可能降低員工風(fēng)險(xiǎn)，減少不利因素并改善合規(guī)性。
預(yù)測(cè)性維護(hù)的優(yōu)勢(shì)可擴(kuò)展至庫(kù)存控制和管理。通過(guò)實(shí)施預(yù)測(cè)性維護(hù)，企業(yè)可以避免計(jì)劃外設(shè)備停機(jī)，更準(zhǔn)確地預(yù)測(cè)備件和維修需求，從而顯著降低資本和運(yùn)營(yíng)支出。
本文標(biāo)題：什么是機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)的工作原理是什么？
本文鏈接：http://www.yangziriver.cn/zhineng/1024.html [版權(quán)聲明]除非特別標(biāo)注，否則均為本站原創(chuàng)文章，轉(zhuǎn)載時(shí)請(qǐng)以鏈接形式注明文章出處。
