什么是机器学习

机器学习 (ML) 是人工智能 (AI) 和计算机科学的一个分支，它需要收集大量数据并使用算法来帮助机器像人脑一样学习。机器“学习”得越多，它就变得越准确。“机器学习”一词是 IBM 的 Arthur Samuels 在 1950 年代创造的。ML 是快速发展的数据科学领域的一个重要方面，其中处理海量数据集允许计算机进行分类和预测，以在数据挖掘项目中开发业务洞察力。

什么是机器学习

使用 ML 的产品类别，包括但不限于文本分析软件、数据科学和机器学习平台，以及AI 和机器学习操作化软件。除了专门用于机器学习的平台外，许多软件还将机器学习纳入工具的整体功能中。例如，医学转录软件将文字转换为文本，人才智能软件可帮助 HR 专业人员在招聘过程中发现潜在候选人。

机器学习的类型

ML 主要分为三种类型——有监督的、无监督的和强化的。

1、监督学习：

这种类型的机器学习使用已知的信息源来训练数据，这是计算机通过算法处理大量数据以进行学习和预测的过程。在已知数据源上训练算法和模型后，可以将未知源输入到算法中以生成新的响应。监督学习中最常用的算法是多项式回归、随机森林、线性回归、逻辑回归、决策树、K-最近邻和朴素贝叶斯。

2、无监督学习：

在这种类型的 ML 中，之前没有审查过的未标记数据源被输入到算法中来训练模型。然后机器将寻找模式。Alan Turing 在二战期间使用无监督学习破解了 Enigma 机器。无监督学习中最常用的算法是偏最小二乘、模糊聚类、奇异值分解、k-means聚类、先验、层次聚类和主成分分析。

3、强化学习：

强化学习需要使用算法，在类似游戏的情况下使用试错法，根据游戏规则确定什么动作产生最高奖励。强化学习的三个组成部分是代理、环境和动作。代理是学习者，环境是代理与之交互的数据，动作是代理所做的。

机器学习的好处

大数据的爆炸式增长证明了人工智能和机器学习的有用性。以下是使用 ML 和 AI 的一些主要好处：

1、让企业保持敏捷并适应市场变化：

机器学习算法允​​许几乎无限的数据收集，这在需要做出业务决策以响应市场变化和预测时非常有用。当某些商业地理区域受气候变化的影响更大时，这方面的一个例子可能是更好地准备全球供应链。

2、改善物流和业务运作：

ML 可以帮助物流专业人士预测消费者需求、评估库存水平并做出战略性库存决策。

3、为营销和定位提供强大的用户分析：

ML 算法还可以帮助衡量营销活动的成功，以创建优化建议。此外，对消费者数据的大规模分析有助于开发更有洞察力的目标概况。

4、协助医学成像和诊​​断：

生物信息学领域使用数据科学和机器学习来帮助医学成像和诊​​断以及预测未来疾病（如癌症）的风险。

机器学习 vs. 自然语言处理 vs. 神经网络 vs. 深度学习

ML 有时可以与深度学习互换使用，它还与神经网络和自然语言处理相关联。然而，重要的是要强调这些概念之间的主要区别。 

如上所述，ML 是人工智能和计算机科学的一个分支。自然语言处理是 ML 中的一门学科，专注于帮助 AI 学习人类的自然语言，包括口语和书面语。ML 的这一领域有助于运行 Alexa 和 Siri 等聊天机器人和助手。 

神经网络是模仿人脑的 ML 算法类别。借助神经网络，信息通过算法传递，例如通过大脑的电脉冲。最后，深度学习是一个有很多层的神经网络，每一层决定了网络中每个环节的“权重”。