-
機器學習和數(shù)據(jù)分析
查看全部 -
自然語言處理：????情感分析
????????????????????????????實體識別
圖像識別：????深度學習
查看全部 -
互聯(lián)網(wǎng)廣告：ctr預估
推薦系統(tǒng)：協(xié)同過濾
查看全部 -
垃圾郵件：樸素貝葉斯
信用卡欺詐：決策樹
查看全部 -
用戶細分精準營銷：聚類（根據(jù)消費記錄得出消費特征進行用戶分類）
查看全部 -
機器學習典型應用：
????購物籃分析：關聯(lián)規(guī)則（典型數(shù)據(jù)挖掘算法）
查看全部 -
機器學習使用場景：離線 批處理????
????????????????????????????????在線學習---電商、搜索
查看全部 -
機器學習發(fā)展
查看全部 -
機器學習：利用計算機從歷史數(shù)據(jù)中找到規(guī)律，并把這些規(guī)律用到對未來不確定場景的決策。
查看全部 -
解決問題框架
查看全部 -
機器學習
《概率論》、《數(shù)據(jù)統(tǒng)計》
統(tǒng)計學受限于運算能力的限制，
統(tǒng)計學依賴于采樣的數(shù)據(jù)，需要驗證結論
觀察數(shù)據(jù)：上下波動、總體上升
且模型刻畫規(guī)律， 函數(shù)-》公式
-----------------------------------------
機器學習發(fā)展的原動力：
經(jīng)濟驅動，數(shù)據(jù)變現(xiàn)
-----
業(yè)務系統(tǒng)發(fā)展的歷史：
基于專家經(jīng)驗
基于統(tǒng)計--分緯度統(tǒng)計
機器學習--在線學習（電商、搜索 實時學習、分析、推薦）
離線機器學習（不實時）
------
機器學習的典型應用：
購物籃分析：
算法是：關聯(lián)規(guī)則（典型的數(shù)據(jù)挖掘的算法）
用戶細分精準營銷：
聚類
垃圾郵件識別：
樸素貝爾斯
信用卡欺詐：
決策樹
互聯(lián)網(wǎng)廣告：
ctr預估(點擊率的預估)
推薦系統(tǒng)：
協(xié)同過濾。
-------
典型應用自然語言處理和圖像識別
自然語言處理：
情感分析、
實體識別
圖像識別：
深度學習
語音識別
個性化醫(yī)療、自動駕駛、智慧機器人、
機器學習無處不在
------------
機器學習和數(shù)據(jù)分析的區(qū)別
傳統(tǒng)：交易數(shù)據(jù)、少量數(shù)據(jù)、采樣分析
現(xiàn)：行為數(shù)據(jù)、海量數(shù)據(jù)、全量分析（no sql 只能處理行為數(shù)據(jù)）
區(qū)別2：
傳統(tǒng)：報告解決歷史事情、
現(xiàn)：預測未來
技術手段不同：
傳統(tǒng)：用戶驅動、交互式分析
現(xiàn)：數(shù)據(jù)驅動、自動進行知識發(fā)現(xiàn)
參與者不同：
數(shù)據(jù)分析：分析師
機器學習：數(shù)據(jù)+算法
目標用戶：
數(shù)據(jù)分析：公司高層
機器學習：個體
------------------
機器學習算法分類：
算法分類：
有監(jiān)督學習：分類算法、回歸算法
無監(jiān)督學習：聚類
半監(jiān)督學習（強化學習算法）：
算法分類2：
分類與回歸
聚類
標注
算法分類3：
生成模型
判別模型機器學習常見算法一覽
(大部分的人臉識別是通過 adaboost 算出來的，是決策樹的改進版。apriori基本被淘汰，F(xiàn)P-Growth是它的升級版，是一個美籍華人發(fā)明出來的、)
百度搜索的排序就是用的? “邏輯回歸”的算法
推薦算法：各大電商網(wǎng)站的標配LDA是用途文本分析的。
------
機器學習解決問題：
總的框架：（公用的思想）
確定目標
業(yè)務需求、
數(shù)據(jù)、
特征工程（投入70%）訓練模型：
定義模型、
定義損失函數(shù)、
優(yōu)化算法模型評估：
交叉驗證、
效果評估查看全部 -
業(yè)務需求——>數(shù)據(jù)——>特征工程
查看全部 -
*定義損失函數(shù)
*優(yōu)化算法
查看全部 -
統(tǒng)計學習——SVM
集裝與推進——Adaboost（人臉識別）
查看全部 -
機器學習算法分類：
第一種分類方法：有/無/半監(jiān)督學習
第二種分類方法：分類與回歸/聚類/標注
第三種分類方法：生成模型/判別模型
查看全部
舉報