-
機(jī)器學(xué)習(xí)的典型應(yīng)用:
(1)關(guān)聯(lián)規(guī)則:啤酒+紙尿片,購(gòu)物籃分析
(2)聚類:用戶細(xì)分精準(zhǔn)營(yíng)銷(xiāo)
(3)樸素貝葉斯:垃圾郵件檢測(cè)
(4)決策樹(shù):風(fēng)險(xiǎn)識(shí)別
(5)ctr預(yù)估:互聯(lián)網(wǎng)廣告:百度的前多少個(gè)詞條(商業(yè)廣告)(按照點(diǎn)擊率排序)
(6)協(xié)同過(guò)濾:推薦系統(tǒng)(淘寶購(gòu)物車(chē)推薦)
(7)自然語(yǔ)言處理:情感分析(對(duì)文本抓關(guān)鍵情感詞),實(shí)體識(shí)別(提取文本主要數(shù)據(jù),人名等)
(8)深度學(xué)習(xí):圖像識(shí)別
(9)更多應(yīng)用:語(yǔ)音識(shí)別,人臉識(shí)別,手勢(shì)控制,智慧機(jī)器人,實(shí)時(shí)翻譯
查看全部 -
機(jī)器學(xué)習(xí)的典型應(yīng)用:
互聯(lián)網(wǎng)廣告? :百度搜索的廣告推廣
?ctr預(yù)估:點(diǎn)擊預(yù)估,核心為線性邏輯回歸
?推薦系統(tǒng):協(xié)同過(guò)濾算法,例如淘寶 買(mǎi)此產(chǎn)品的人同時(shí)購(gòu)買(mǎi)了。
查看全部 -
機(jī)器學(xué)習(xí)的典型應(yīng)用:
1.購(gòu)物籃分析——關(guān)聯(lián)規(guī)則
2.用戶細(xì)分精準(zhǔn)營(yíng)銷(xiāo)——聚類
3.垃圾郵件識(shí)別——樸素貝葉斯
4.信用卡欺詐——決策樹(shù)
查看全部 -
機(jī)器學(xué)習(xí)的典型應(yīng)用:用戶細(xì)分精準(zhǔn)營(yíng)銷(xiāo)
聚類(把用戶消費(fèi)數(shù)據(jù)拿過(guò)來(lái)喂給算法)
聚類:用戶細(xì)分精準(zhǔn)營(yíng)銷(xiāo) 用戶消費(fèi)數(shù)據(jù)喂給算法,計(jì)算機(jī)運(yùn)算,人為設(shè)置想要分為幾類。 分完類后,業(yè)務(wù)人員總結(jié)每類人員共同的消費(fèi)特征。 對(duì)每個(gè)類起個(gè)品牌的名字。
查看全部 -
機(jī)器學(xué)習(xí)的典型應(yīng)用:購(gòu)物籃分析
所謂的購(gòu)物籃分析就是看在我們的訂單中有哪些商品是被同時(shí)購(gòu)買(mǎi)的
用到的算法就是關(guān)聯(lián)規(guī)則(實(shí)質(zhì)上是數(shù)據(jù)挖掘的算法)
查看全部 -
業(yè)務(wù)系統(tǒng)發(fā)展的歷史
基于專家經(jīng)驗(yàn)
基于統(tǒng)計(jì)-分維度統(tǒng)計(jì)
機(jī)器學(xué)習(xí)=在線學(xué)習(xí)
離線機(jī)器學(xué)習(xí):屬于批處理的情況
在線機(jī)器學(xué)習(xí):是來(lái)一條數(shù)據(jù)學(xué)習(xí)一條
查看全部 -
機(jī)器學(xué)習(xí)發(fā)展的原動(dòng)力:
從歷史數(shù)據(jù)中找出規(guī)律,把這些規(guī)律用到對(duì)未來(lái)自動(dòng)作出決定。
用數(shù)據(jù)代替expert——業(yè)務(wù)邏輯
經(jīng)濟(jì)驅(qū)動(dòng),數(shù)據(jù)變現(xiàn)
查看全部 -
《概率論》《數(shù)據(jù)統(tǒng)計(jì)》是機(jī)器學(xué)習(xí)的基石
傳統(tǒng)的統(tǒng)計(jì)學(xué),抽取一定量的樣本然后 進(jìn)行概率統(tǒng)計(jì),然后得到結(jié)論 之后進(jìn)行假設(shè)檢驗(yàn)
傳統(tǒng)的統(tǒng)計(jì)學(xué)受運(yùn)算能力的限制,所以是用抽樣的方式;
而現(xiàn)在計(jì)算能力足夠強(qiáng),就不需要采用抽樣的方式了。
做數(shù)據(jù)分析要對(duì)數(shù)據(jù)進(jìn)行量化,才方便計(jì)算、比較。
傳統(tǒng)統(tǒng)計(jì):抽樣-描述統(tǒng)計(jì)-結(jié)論-假設(shè)檢驗(yàn)-推斷
機(jī)器學(xué)習(xí)不受計(jì)算量的限制,直接跳過(guò)抽樣
統(tǒng)計(jì)學(xué)受限于計(jì)算能力,依賴于采樣的方法,再反作用于原來(lái)的數(shù)據(jù)。步驟:抽樣-->描述統(tǒng)計(jì)-->結(jié)論-->假設(shè)檢驗(yàn)。
現(xiàn)在無(wú)需考慮數(shù)據(jù)量的問(wèn)題,無(wú)需抽樣技術(shù),直接全樣??衫每梢暬夹g(shù)來(lái)觀察數(shù)據(jù)。要進(jìn)行數(shù)據(jù)分析,需要先進(jìn)行量化,用模型擬合規(guī)律,函數(shù)-->函數(shù)曲線-->擬合。高維度時(shí)很難用可視化的方法,只能用數(shù)學(xué)運(yùn)算。
查看全部 -
機(jī)器學(xué)習(xí)就是利用計(jì)算機(jī)從歷史數(shù)據(jù)中找出規(guī)律,把這些規(guī)律用到對(duì)未來(lái)自動(dòng)作出決定。機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)又分為分類算法和回歸算法;無(wú)監(jiān)督學(xué)習(xí)分為聚類聚和降維,半監(jiān)督學(xué)習(xí)即加強(qiáng)學(xué)習(xí)。
機(jī)器學(xué)習(xí)的應(yīng)用:識(shí)別垃圾郵件、自然語(yǔ)言處理、語(yǔ)音識(shí)別、個(gè)性化醫(yī)療、人臉識(shí)別、智慧機(jī)器人等。
查看全部 -
NOSQL,SQL什么意思
查看全部 -
OLAP--數(shù)據(jù)挖掘
查看全部 -
交易數(shù)據(jù)--行為數(shù)據(jù)
查看全部 -
特征工程:數(shù)據(jù)清洗 數(shù)據(jù)轉(zhuǎn)換。占70%的工作量,比較容易出成果的部分。
查看全部 -
機(jī)器學(xué)習(xí)解決問(wèn)題的框架
查看全部 -
機(jī)器學(xué)習(xí)常見(jiàn)算法一覽
查看全部
舉報(bào)