有人經(jīng)常會(huì)把數(shù)據(jù)分析與機(jī)器學(xué)習(xí)給搞混掉，機(jī)器學(xué)習(xí)這個(gè)主題已經(jīng)很普遍了，每個(gè)人都在談?wù)撍苌儆腥四軌蛲笍氐亓私馑裉炖侠罱o大家分享一下機(jī)器學(xué)習(xí)的概念。

數(shù)據(jù)分析和機(jī)器學(xué)習(xí)

如果你認(rèn)為大數(shù)據(jù)僅僅是關(guān)于SQL語(yǔ)句查詢和海量的數(shù)據(jù)的話，那么別人也會(huì)理解你的，但是大數(shù)據(jù)真正的目的是通過(guò)對(duì)數(shù)據(jù)的推斷，從數(shù)據(jù)中獲取價(jià)值、從數(shù)據(jù)中發(fā)現(xiàn)有用的東西。例如，“如果我降低5%的價(jià)格，我將增加10%的銷售量。”

數(shù)據(jù)分析是最重要的技術(shù)，包括如下方面:

• 描述性分析：確定所發(fā)生的事情。這通常涉及到描述發(fā)生了什么現(xiàn)象的報(bào)告。例如，用這個(gè)月的銷售額與去年同期進(jìn)行比較的結(jié)果。
• 特征性分析：解釋現(xiàn)象發(fā)生的原因，這通常涉及使用帶有OLAP技術(shù)的控制臺(tái)用以分析和研究數(shù)據(jù)，根據(jù)數(shù)據(jù)挖掘技術(shù)來(lái)找到數(shù)據(jù)之間的相關(guān)性。
• 預(yù)測(cè)性分析：評(píng)估可能發(fā)生的事情的概率。這可能是預(yù)測(cè)性分析被用來(lái)根據(jù)你的工作性質(zhì)、個(gè)人興趣愛(ài)好，認(rèn)為你是一個(gè)潛在的讀者，以便能夠鏈接到其他的人。

機(jī)器學(xué)習(xí)適合于預(yù)測(cè)性分析。

一個(gè)例子說(shuō)明什么是機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是指利用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為。那機(jī)器是怎么學(xué)習(xí)的呢？我們就舉個(gè)相親的例子。現(xiàn)有一妙齡女郎相親，候選人有青年 A、B、C 和 D，四個(gè)青年的屬性分別為：

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

經(jīng)過(guò)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(xué)習(xí)過(guò)程。

由于相親對(duì)象實(shí)在過(guò)多，妙齡女郎相不過(guò)來(lái)了，于是她找來(lái)機(jī)器幫忙。首先，她要培訓(xùn)下機(jī)器，告訴機(jī)器如下信息：

• A：屬性『高，帥，富』— 標(biāo)簽 『適合婚戀組』
• B：屬性『高，帥，窮』— 標(biāo)簽 『不適合婚戀組』
• C：屬性『高，丑，富』— 標(biāo)簽 『適合婚戀組』
• D：屬性『矮，丑，富』— 標(biāo)簽 『適合婚戀組』

機(jī)器一番學(xué)習(xí)，建立起了「屬性」和「標(biāo)簽」的對(duì)應(yīng)關(guān)系，這就是機(jī)器學(xué)習(xí)建模過(guò)程。現(xiàn)在有青年 E、F、G …… 的屬性值，妙齡少女把這堆屬性值告訴機(jī)器，機(jī)器返回哪些是可以繼續(xù)發(fā)展的對(duì)象，哪些是淘汰的對(duì)象。

這就是 有監(jiān)督機(jī)器學(xué)習(xí) ，即告訴機(jī)器訓(xùn)練數(shù)據(jù)的「屬性」和「標(biāo)簽」，機(jī)器利用某種算法建立「屬性」和「標(biāo)簽」的關(guān)系，利用該關(guān)系，就可以根據(jù)新數(shù)據(jù)的「屬性」得到新數(shù)據(jù)的「標(biāo)簽」，如下圖。

機(jī)器學(xué)習(xí)如何工作？

垃圾郵件過(guò)濾是一個(gè)很好的例子，它利用機(jī)器學(xué)習(xí)技術(shù)來(lái)學(xué)習(xí)如何從數(shù)百萬(wàn)封郵件中識(shí)別垃圾郵件，其中就用到了統(tǒng)計(jì)學(xué)技術(shù)。

例如，如果每100個(gè)電子郵件中的85個(gè)，其中包括“便宜”和“偉哥”這兩個(gè)詞的郵件被認(rèn)為是垃圾郵件，我們可以說(shuō)有85%的概率，確定它是垃圾郵件。并通過(guò)其它幾個(gè)指標(biāo)（例如，從來(lái)沒(méi)給你發(fā)送過(guò)郵件的人）結(jié)合起來(lái)，利用數(shù)十億個(gè)電子郵件進(jìn)行算法測(cè)試，隨著訓(xùn)練次數(shù)不斷增加來(lái)提升準(zhǔn)確率。

事實(shí)上，谷歌表示它現(xiàn)在已經(jīng)可以攔截99.99%左右的垃圾郵件。

機(jī)器學(xué)習(xí)的算法有哪些

我制作了一份機(jī)器學(xué)習(xí)算法選擇速查表：

這張速查表能幫你從眾多機(jī)器學(xué)習(xí)算法中，針對(duì)你自己的具體問(wèn)題和情況，選出最合適的算法。下面就介紹如何使用這份速查表。

因?yàn)槭敲嫦虺鯇W(xué)者，所以在談到算法時(shí)，會(huì)盡量做一些最簡(jiǎn)單的假設(shè)。下文談及的算法也都是眾多數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)專家和開(kāi)發(fā)者們推薦的結(jié)果。

怎樣使用速查表

按照“如果（路徑標(biāo)簽）就用（算法）”的邏輯，查看速查表上的路徑和算法標(biāo)簽。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(shù)值預(yù)測(cè)，就用決策樹(shù)和邏輯回歸。
• 如果你需要層次結(jié)果，就用層次聚類。

有時(shí)我們可能需要不止一個(gè)算法，有時(shí)可能這些算法沒(méi)有一個(gè)是最合適的。我和許多數(shù)據(jù)科學(xué)家聊過(guò)，他們認(rèn)為這種情況下，最保險(xiǎn)的做法就是把所有算法都嘗試一遍，找到最合適的那個(gè)。