7.2.1 數(shù)據(jù)的內(nèi)在預(yù)測(cè)性-機(jī)器學(xué)習(xí)

《大數(shù)據(jù)導(dǎo)論》機(jī)器學(xué)習(xí)1.什么是機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)(MachineLearning,ML)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。

專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。

“機(jī)器學(xué)習(xí)之父”——阿瑟·塞繆爾（ArthurSamuel）將其定義為“沒(méi)有明確編程就能學(xué)習(xí)的能力”。2.機(jī)器學(xué)習(xí)案例——圖像識(shí)別機(jī)器學(xué)習(xí)已經(jīng)被用來(lái)大大改進(jìn)計(jì)算機(jī)識(shí)別圖像或視頻中的對(duì)象的能力。你收集了數(shù)十萬(wàn)甚至數(shù)百萬(wàn)張圖片，然后讓人類標(biāo)記它們。例如，人類可能會(huì)標(biāo)記其中包含貓的圖片與不包含貓的圖片。然后，該算法嘗試構(gòu)建一個(gè)模型，該模型可以準(zhǔn)確地將另外的圖片標(biāo)記出是否包含貓。當(dāng)準(zhǔn)確度達(dá)到足夠高，機(jī)器現(xiàn)在就“學(xué)會(huì)”了識(shí)別貓的樣子。

分類是一種有監(jiān)督的機(jī)器學(xué)習(xí)，它將數(shù)據(jù)分為相關(guān)的、以前學(xué)習(xí)過(guò)的類別。它包括兩個(gè)步驟：

1、將已經(jīng)被分類或者有標(biāo)號(hào)的訓(xùn)練數(shù)據(jù)給系統(tǒng)

2、將未知或者相似數(shù)據(jù)給系統(tǒng)來(lái)分類，基于訓(xùn)練數(shù)據(jù)形成的理解，算法會(huì)分類無(wú)標(biāo)號(hào)數(shù)據(jù)。例如，銀行想找出哪些客戶可能會(huì)拖欠貸款。3.機(jī)器學(xué)習(xí)——分類（有監(jiān)督的機(jī)器學(xué)習(xí)）分類適用的樣例問(wèn)題可以是：·基于其他申請(qǐng)是否被接受或者被拒絕，申請(qǐng)人的信用卡申請(qǐng)是否應(yīng)該被接受？·基于已知的水果蔬菜樣例，西紅柿是水果還是蔬菜？·病人的藥檢結(jié)果是否表示有心臟病的風(fēng)險(xiǎn)？4.機(jī)器學(xué)習(xí)——分類，可適用的問(wèn)題

聚類是一種無(wú)監(jiān)督的學(xué)習(xí)技術(shù)，通過(guò)這項(xiàng)技術(shù)，數(shù)據(jù)被分割成不同的組，這樣在每組中數(shù)據(jù)有相似的性質(zhì)。聚類不需要先學(xué)習(xí)類別。相反，類別是基于分組數(shù)據(jù)產(chǎn)生的。數(shù)據(jù)如何成組取決于用什么類型的算法，每個(gè)算法都有不同的技術(shù)來(lái)確定聚類。

例如，一個(gè)銀行想基于已有的顧客記錄檔案，對(duì)顧客進(jìn)行分類，以便向他們介紹不同的金融產(chǎn)品，但是還不知道分成哪幾類，聚類就是通過(guò)不同類型的算法，分析出不同的類型。5.機(jī)器學(xué)習(xí)——聚類（無(wú)監(jiān)督的機(jī)器學(xué)習(xí)）

聚類適用的樣例問(wèn)題可以是：·根據(jù)樹之間的相似性，存在多少種樹？·根據(jù)相似的購(gòu)買記錄，存在多少組顧客？·根據(jù)病毒的特性，它們的不同分組是什么？6.機(jī)器學(xué)習(xí)——聚類，可用于的問(wèn)題

異常檢測(cè)是指在給定數(shù)據(jù)集中，發(fā)現(xiàn)明顯不同于其他數(shù)據(jù)或與其他數(shù)據(jù)不一致的數(shù)據(jù)的過(guò)程。這種機(jī)器學(xué)習(xí)技術(shù)被用來(lái)識(shí)別反常、異常和偏差，它們可以是有利的，例如機(jī)會(huì)，也可能是不利的，例如風(fēng)險(xiǎn)。異常檢測(cè)與分類和聚類的概念緊密相關(guān)，雖然它的算法專注于尋找不同值。它可以基于有監(jiān)督或無(wú)監(jiān)督的學(xué)習(xí)。異常檢測(cè)的應(yīng)用包括欺詐檢測(cè)、醫(yī)療診斷、網(wǎng)絡(luò)數(shù)據(jù)分析和傳感器數(shù)據(jù)分析。7.機(jī)器學(xué)習(xí)——異常檢測(cè)

過(guò)濾是自動(dòng)從項(xiàng)目池中尋找有關(guān)項(xiàng)目的過(guò)程。項(xiàng)目可以基于用戶行為或通過(guò)匹配多個(gè)用戶的行為被過(guò)濾。過(guò)濾常用的媒介是推薦系統(tǒng)。通常過(guò)濾的主要方法是協(xié)同過(guò)濾和內(nèi)容過(guò)濾。例如，為了實(shí)現(xiàn)交叉銷售，一家銀行構(gòu)建了使用內(nèi)容過(guò)濾的推薦