機(jī)器學(xué)習(xí) (ML) 是人工智能 (AI) 和計(jì)算機(jī)科學(xué)的一個(gè)分支，它需要收集大量數(shù)據(jù)并使用算法來幫助機(jī)器像人腦一樣學(xué)習(xí)。機(jī)器“學(xué)習(xí)”得越多，它就變得越準(zhǔn)確。“機(jī)器學(xué)習(xí)”一詞是 IBM 的 Arthur Samuels 在 1950 年代創(chuàng)造的。ML 是快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域的一個(gè)重要方面，其中處理海量數(shù)據(jù)集允許計(jì)算機(jī)進(jìn)行分類和預(yù)測，以在數(shù)據(jù)挖掘項(xiàng)目中開發(fā)業(yè)務(wù)洞察力。

什么是機(jī)器學(xué)習(xí)

使用 ML 的產(chǎn)品類別，包括但不限于文本分析軟件、數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)平臺(tái)，以及AI 和機(jī)器學(xué)習(xí)操作化軟件。除了專門用于機(jī)器學(xué)習(xí)的平臺(tái)外，許多軟件還將機(jī)器學(xué)習(xí)納入工具的整體功能中。例如，醫(yī)學(xué)轉(zhuǎn)錄軟件將文字轉(zhuǎn)換為文本，人才智能軟件可幫助 HR 專業(yè)人員在招聘過程中發(fā)現(xiàn)潛在候選人。

機(jī)器學(xué)習(xí)的類型

ML 主要分為三種類型——有監(jiān)督的、無監(jiān)督的和強(qiáng)化的。

1、監(jiān)督學(xué)習(xí)：

這種類型的機(jī)器學(xué)習(xí)使用已知的信息源來訓(xùn)練數(shù)據(jù)，這是計(jì)算機(jī)通過算法處理大量數(shù)據(jù)以進(jìn)行學(xué)習(xí)和預(yù)測的過程。在已知數(shù)據(jù)源上訓(xùn)練算法和模型后，可以將未知源輸入到算法中以生成新的響應(yīng)。監(jiān)督學(xué)習(xí)中最常用的算法是多項(xiàng)式回歸、隨機(jī)森林、線性回歸、邏輯回歸、決策樹、K-最近鄰和樸素貝葉斯。

2、無監(jiān)督學(xué)習(xí)：

在這種類型的 ML 中，之前沒有審查過的未標(biāo)記數(shù)據(jù)源被輸入到算法中來訓(xùn)練模型。然后機(jī)器將尋找模式。Alan Turing 在二戰(zhàn)期間使用無監(jiān)督學(xué)習(xí)破解了 Enigma 機(jī)器。無監(jiān)督學(xué)習(xí)中最常用的算法是偏最小二乘、模糊聚類、奇異值分解、k-means聚類、先驗(yàn)、層次聚類和主成分分析。

3、強(qiáng)化學(xué)習(xí)：

強(qiáng)化學(xué)習(xí)需要使用算法，在類似游戲的情況下使用試錯(cuò)法，根據(jù)游戲規(guī)則確定什么動(dòng)作產(chǎn)生最高獎(jiǎng)勵(lì)。強(qiáng)化學(xué)習(xí)的三個(gè)組成部分是代理、環(huán)境和動(dòng)作。代理是學(xué)習(xí)者，環(huán)境是代理與之交互的數(shù)據(jù)，動(dòng)作是代理所做的。

機(jī)器學(xué)習(xí)的好處

大數(shù)據(jù)的爆炸式增長證明了人工智能和機(jī)器學(xué)習(xí)的有用性。以下是使用 ML 和 AI 的一些主要好處：

1、讓企業(yè)保持敏捷并適應(yīng)市場變化：

機(jī)器學(xué)習(xí)算法允??許幾乎無限的數(shù)據(jù)收集，這在需要做出業(yè)務(wù)決策以響應(yīng)市場變化和預(yù)測時(shí)非常有用。當(dāng)某些商業(yè)地理區(qū)域受氣候變化的影響更大時(shí)，這方面的一個(gè)例子可能是更好地準(zhǔn)備全球供應(yīng)鏈。

2、改善物流和業(yè)務(wù)運(yùn)作：

ML 可以幫助物流專業(yè)人士預(yù)測消費(fèi)者需求、評(píng)估庫存水平并做出戰(zhàn)略性庫存決策。

3、為營銷和定位提供強(qiáng)大的用戶分析：

ML 算法還可以幫助衡量營銷活動(dòng)的成功，以創(chuàng)建優(yōu)化建議。此外，對(duì)消費(fèi)者數(shù)據(jù)的大規(guī)模分析有助于開發(fā)更有洞察力的目標(biāo)概況。

4、協(xié)助醫(yī)學(xué)成像和診??斷：

生物信息學(xué)領(lǐng)域使用數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)來幫助醫(yī)學(xué)成像和診??斷以及預(yù)測未來疾病（如癌癥）的風(fēng)險(xiǎn)。

機(jī)器學(xué)習(xí) vs. 自然語言處理 vs. 神經(jīng)網(wǎng)絡(luò) vs. 深度學(xué)習(xí)

ML 有時(shí)可以與深度學(xué)習(xí)互換使用，它還與神經(jīng)網(wǎng)絡(luò)和自然語言處理相關(guān)聯(lián)。然而，重要的是要強(qiáng)調(diào)這些概念之間的主要區(qū)別。 

如上所述，ML 是人工智能和計(jì)算機(jī)科學(xué)的一個(gè)分支。自然語言處理是 ML 中的一門學(xué)科，專注于幫助 AI 學(xué)習(xí)人類的自然語言，包括口語和書面語。ML 的這一領(lǐng)域有助于運(yùn)行 Alexa 和 Siri 等聊天機(jī)器人和助手。 

神經(jīng)網(wǎng)絡(luò)是模仿人腦的 ML 算法類別。借助神經(jīng)網(wǎng)絡(luò)，信息通過算法傳遞，例如通過大腦的電脈沖。最后，深度學(xué)習(xí)是一個(gè)有很多層的神經(jīng)網(wǎng)絡(luò)，每一層決定了網(wǎng)絡(luò)中每個(gè)環(huán)節(jié)的“權(quán)重”。