什么是機器學習

機器學習 (ML) 是人工智能 (AI) 和計算機科學的一個分支，它需要收集大量數據并使用算法來幫助機器像人腦一樣學習。機器“學習”得越多，它就變得越準確。“機器學習”一詞是 IBM 的 Arthur Samuels 在 1950 年代創造的。ML 是快速發展的數據科學領域的一個重要方面，其中處理海量數據集允許計算機進行分類和預測，以在數據挖掘項目中開發業務洞察力。

什么是機器學習

使用 ML 的產品類別，包括但不限于文本分析軟件、數據科學和機器學習平臺，以及AI 和機器學習操作化軟件。除了專門用于機器學習的平臺外，許多軟件還將機器學習納入工具的整體功能中。例如，醫學轉錄軟件將文字轉換為文本，人才智能軟件可幫助 HR 專業人員在招聘過程中發現潛在候選人。

機器學習的類型

ML 主要分為三種類型——有監督的、無監督的和強化的。

1、監督學習：

這種類型的機器學習使用已知的信息源來訓練數據，這是計算機通過算法處理大量數據以進行學習和預測的過程。在已知數據源上訓練算法和模型后，可以將未知源輸入到算法中以生成新的響應。監督學習中最常用的算法是多項式回歸、隨機森林、線性回歸、邏輯回歸、決策樹、K-最近鄰和樸素貝葉斯。

2、無監督學習：

在這種類型的 ML 中，之前沒有審查過的未標記數據源被輸入到算法中來訓練模型。然后機器將尋找模式。Alan Turing 在二戰期間使用無監督學習破解了 Enigma 機器。無監督學習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、層次聚類和主成分分析。

3、強化學習：

強化學習需要使用算法，在類似游戲的情況下使用試錯法，根據游戲規則確定什么動作產生最高獎勵。強化學習的三個組成部分是代理、環境和動作。代理是學習者，環境是代理與之交互的數據，動作是代理所做的。

機器學習的好處

大數據的爆炸式增長證明了人工智能和機器學習的有用性。以下是使用 ML 和 AI 的一些主要好處：

1、讓企業保持敏捷并適應市場變化：

機器學習算法允??許幾乎無限的數據收集，這在需要做出業務決策以響應市場變化和預測時非常有用。當某些商業地理區域受氣候變化的影響更大時，這方面的一個例子可能是更好地準備全球供應鏈。

2、改善物流和業務運作：

ML 可以幫助物流專業人士預測消費者需求、評估庫存水平并做出戰略性庫存決策。

3、為營銷和定位提供強大的用戶分析：

ML 算法還可以幫助衡量營銷活動的成功，以創建優化建議。此外，對消費者數據的大規模分析有助于開發更有洞察力的目標概況。

4、協助醫學成像和診??斷：

生物信息學領域使用數據科學和機器學習來幫助醫學成像和診??斷以及預測未來疾病（如癌癥）的風險。

機器學習 vs. 自然語言處理 vs. 神經網絡 vs. 深度學習

ML 有時可以與深度學習互換使用，它還與神經網絡和自然語言處理相關聯。然而，重要的是要強調這些概念之間的主要區別。 

如上所述，ML 是人工智能和計算機科學的一個分支。自然語言處理是 ML 中的一門學科，專注于幫助 AI 學習人類的自然語言，包括口語和書面語。ML 的這一領域有助于運行 Alexa 和 Siri 等聊天機器人和助手。 

神經網絡是模仿人腦的 ML 算法類別。借助神經網絡，信息通過算法傳遞，例如通過大腦的電脈沖。最后，深度學習是一個有很多層的神經網絡，每一層決定了網絡中每個環節的“權重”。