機器學(xué)習(xí)的簡介

摘要：機器學(xué)習(xí)通過以往數(shù)據(jù)，運用相關(guān)算法，得出可以預(yù)測的模型，計算出對應(yīng)結(jié)果。它基于電腦科學(xué)、統(tǒng)計學(xué)和數(shù)學(xué)的交互，處在了人工智能與數(shù)據(jù)科學(xué)的核心地位。由于新的機器學(xué)習(xí)算法和理論的不斷出現(xiàn)和發(fā)展，以及數(shù)據(jù)可用性和CPU處理速度的飛速提高，使得機器學(xué)習(xí)得到了迅猛的發(fā)展。機器學(xué)習(xí)對于當(dāng)代企業(yè)經(jīng)營是非常重要的，它關(guān)系到企業(yè)的各行各業(yè)。

關(guān)鍵詞：機器學(xué)習(xí)；數(shù)據(jù)挖掘；算法

中圖分類號：TP182 文獻識別碼：A 文章編號：1001-828X（2017）013-0-01

一、機器學(xué)習(xí)的應(yīng)用

機器學(xué)習(xí)的方法可以應(yīng)用到許多領(lǐng)域中，包括研究，科技、商業(yè)領(lǐng)域等，這些領(lǐng)域的機器學(xué)習(xí)運用越來越成熟和高效。研究中運用機器學(xué)習(xí)發(fā)現(xiàn)人類不容易發(fā)現(xiàn)的規(guī)律；科技中運用機器學(xué)習(xí)提高了科技解決實際生活的能力；商業(yè)領(lǐng)域運用機器學(xué)習(xí)更好的挖掘客戶和滿足客戶。除此之外，機器學(xué)習(xí)也為其他領(lǐng)域帶來不小的突破。機器學(xué)習(xí)集中解決兩個問題：其一，如何讓電腦系統(tǒng)利用經(jīng)驗數(shù)據(jù)提高我們工作效率。其二，如何有效率地提高機器學(xué)習(xí)算法的準(zhǔn)確率。機器學(xué)習(xí)對于解決科學(xué)和工程中的問題和在各種生活領(lǐng)域的實踐問題是重要的。

二、機器學(xué)習(xí)的發(fā)展

過去的二十年機器學(xué)習(xí)的發(fā)展取得了極大的進步。走出了實驗室，走向了包括商業(yè)領(lǐng)域的廣泛運用。在人工智能（AI）中，機器學(xué)習(xí)被作為一種重要的方法應(yīng)用到電腦可視化，語音識別，自然語言處理，機器人控制和其他應(yīng)用中。許多人工智能的開發(fā)者開始認(rèn)識到，對于許多應(yīng)用場景，訓(xùn)練一個系統(tǒng)去出示輸入輸出的結(jié)果，比人工分析內(nèi)在機理更容易。機器學(xué)習(xí)的準(zhǔn)確性在很多應(yīng)用中比人類自己的分析結(jié)果要高得多。機器學(xué)習(xí)的影響已經(jīng)廣泛傳播到運用計算機和數(shù)據(jù)庫的行業(yè)里，例如，顧客服務(wù)，醫(yī)療診斷系統(tǒng)，資源分配。在以經(jīng)驗為主的學(xué)科，像歷史學(xué)，醫(yī)學(xué)到人文學(xué)科，機器學(xué)習(xí)也有其用武之地。學(xué)習(xí)問題可能被定義為當(dāng)執(zhí)行某些任務(wù)時，通過不斷的訓(xùn)練提高解決能力[1]。例如，在學(xué)習(xí)偵察信用卡詐騙時，我們需要給所有的信用卡交易貼上一個是不是詐騙的標(biāo)簽。測量表現(xiàn)將會由于這個詐騙鑒別分類器被提高，而它的訓(xùn)練是由以前的一系列詐騙案例所構(gòu)成。

三、機器學(xué)習(xí)的模型與算法

在不同的現(xiàn)實問題中機器學(xué)習(xí)算法也依據(jù)數(shù)據(jù)與模型的不同有了很大的差別。概念上機器學(xué)習(xí)算法被視為在一堆候選算法中選取一種對原始表現(xiàn)擬合最好的程序。機器學(xué)習(xí)算法的結(jié)論好壞差別非常大，很大程度上因為所用到的數(shù)據(jù)和模型的差別。這里的數(shù)據(jù)集分為訓(xùn)練集和測試集。它努力從不同的程序中收集最好的算法。許多方法集中在函數(shù)取值問題，它們集中研究函數(shù)。給定一個輸入，就有一個輸出。學(xué)習(xí)問題就是如何找出一個更精確的函數(shù)。通常函數(shù)以參數(shù)化的形式呈現(xiàn)，而在另一些情況下，函數(shù)具體形式不太清楚，它是由一個搜索過程、一個因子分解、一個極大化過程、一個仿真過程等構(gòu)成。即使函數(shù)形式不太清楚，其一般都依賴于參數(shù)與自由度，訓(xùn)練找到這些參數(shù)的過程往往使得表現(xiàn)測度最優(yōu)化[2]。

下面是機器學(xué)習(xí)主流的各種算法， 算法是機器學(xué)習(xí)的核心，要了解不同算法的難點所在，更要了解不同算法的優(yōu)勢以及應(yīng)用場合。算法離不開對于數(shù)學(xué)基礎(chǔ)，也與統(tǒng)計學(xué)的建模有關(guān)系；由于算法的計算難度比較大，更與計算機的計算性能有關(guān)，所以算法研究顯得非常重要但也比較困難。算法可以說是機器學(xué)習(xí)的內(nèi)核，一種好算法的提出，對于機器學(xué)習(xí)是劃時代的貢獻。

四、機器學(xué)習(xí)的商業(yè)重要性

這個時代是一個互聯(lián)網(wǎng)信息爆炸的時代，隨著網(wǎng)絡(luò)的迅速發(fā)展和普及，使得信息量極大豐富，由于我們獲得海量數(shù)據(jù)的便捷性，我們可以利用的數(shù)據(jù)進行分析變得越來越容易，收集的信息門類五花八門。對于各個行業(yè)，還能收集與行業(yè)、競爭對手、客戶和市場有關(guān)的信息，能夠很好的分析和處理那些對企業(yè)有重大價值的信息成為未來企業(yè)脫穎而出的關(guān)鍵。根據(jù)分析結(jié)果找出企業(yè)面臨的問題和漏洞，更好的管理企業(yè)，讓企業(yè)取得生存發(fā)展空間。

可見數(shù)據(jù)挖掘?qū)τ谄髽I(yè)的重要性，未來從事機器學(xué)習(xí)相關(guān)崗位的人員將會越來越多，數(shù)據(jù)挖據(jù)不僅在一些大的公司有重要的作用，在小企業(yè)里也是不可或缺的。數(shù)據(jù)在公司經(jīng)營中提供了非常有價值的商業(yè)信息，數(shù)據(jù)中蘊含了巨大的商業(yè)潛力。數(shù)據(jù)像一個盒子。不是我們隨便看看的就能得到指導(dǎo)性的意見。大數(shù)據(jù)時代的到來尤其為管理者既帶來了機會，又增加了困難。因為他們要面對的是更加龐雜的數(shù)據(jù)系統(tǒng)，從中找出他們需要的具體規(guī)律，這本身不是一件容易的事。所以以后機器學(xué)習(xí)會越來越走向我們的企業(yè)，為企業(yè)帶來價值。

參考文獻：

[1]M.I.Jordan1 and T.M.Mitchell2.MachineL earning： Treads， perspective， prospects ，science，2015.

[2]Hanjw，MiehelineK.數(shù)據(jù)挖掘概念與技術(shù)[M].范明，孟曉峰，譯.北京：機械工業(yè)出版社，2001.

作者簡介：劉曉龍（1992-），男，學(xué)歷：碩士，單位：天津財經(jīng)大學(xué)，主要從事數(shù)據(jù)挖掘與經(jīng)濟統(tǒng)計研究。