机器学习简介:什么是机器学习?机器学习示例和应用
自从《哈佛商业评论》(Harvard Business Review)发表文章称“数据科学家”是“21世纪最性感的工作”以来，人们对机器学习的兴趣急剧上升。但如果你刚开始学习机器学习，可能会有点困难。
发布日期:2020年8月5日
什么是机器学习
机器学习算法是可以从数据中学习并从经验中改进的程序，而无需人为干预。
机器学习（ML）是通过经验自动改善计算机算法的研究。它被视为人工智能的一部分。机器学习算法基于样本数据构建数学模型，称为“培训数据”，以便在不明确编程的情况下进行预测或决策。机器学习算法用于各种应用，例如电子邮件过滤和计算机视觉，在那里开发传统算法以执行所需的任务是困难或不可行的。
机器学习与计算统计学密切相关，后者侧重于利用计算机进行预测。数学优化的研究为机器学习领域提供了方法、理论和应用领域。数据挖掘是一个相关的研究领域，侧重于通过无监督学习进行探索性数据分析。在跨业务问题的应用中，机器学习也被称为预测分析。
机器学习应用程序
- 虚拟个人助理
- 通勤时预测
- 视频监控
- 社交媒体服务 从个性化您的新闻饲料到更好的广告目标，社交媒体平台正在利用机器学习和用户的好处。以下是您必须注意，在社交媒体帐户中使用，使用和爱的一些例子，而无需意识到这些美妙的功能只不过是ml的应用。
- 垃圾邮件和恶意软件过滤
- 在线客户支持
- 搜索引擎结果精炼
- 产品推荐
- 在线欺诈检测
Siri，Alexa，Google现在是虚拟个人助理的一些流行的例子。顾名思义，他们有助于查找信息，当被问到声音时。您需要做的就是激活它们并询问“今天的日程安排是什么？”，“从德国到伦敦的航班是什么，或类似的问题。对于回答，您的个人助理宣布提供信息，请召回相关的查询，或向其他资源（如手机应用程序）发送命令以收集信息。您甚至可以指导助理为某些任务，如“下午第6次”，“提醒我在后天访问签证办公室”。
机器学习是这些私人助理的重要组成部分，因为他们在您之前参与他们的基础上收集和改进信息。稍后，这组数据用于呈现为您的偏好量身定制的结果。虚拟助手集成到各种平台。
交通预测：我们都使用GPS导航服务。虽然我们这样做，我们当前的位置和速度正在保存在中央服务器，以管理流量。然后使用此数据来构建当前流量的地图。虽然这有助于防止交通并进行拥堵分析，但潜在的问题是较少数量的汽车配备GPS。这种情况下的机器学习有助于估计可以在日常经验的基础上找到拥堵的地区。
在线交通网络：预订驾驶室时，该应用程序估计乘车价格。分享这些服务时，它们如何最大限度地减少绕行？答案是机器学习。Jeff Schneider，Uber ATC的工程领导揭示了一个采访，他们使用ML来通过预测骑手需求来定义价格浪涌时间。在整个服务周期中，ML正在发挥重要作用。
想象一下，一个人监视多个摄像机!当然，这是一项既困难又无聊的工作。这就是为什么训练计算机做这项工作是有意义的。
现在的视频监控系统是由人工智能驱动的，这使得在犯罪发生之前就可以发现犯罪。它们跟踪人们的不寻常行为，如长时间站着不动、绊倒或在长凳上打盹等。因此，该系统可以向人类服务员发出警报，从而最终有助于避免事故的发生。当这些活动被报道和统计为真实时，它们有助于改善监视服务。机器学习在后端完成它的工作时就会发生这种情况。
你可能认识的人：机器学习工作在一个简单的概念上：用经验来理解。Facebook会不断注意到你联系的朋友、你经常访问的个人资料、你的兴趣、工作场所或你与某人共享的群等。在不断学习的基础上，建议你与Facebook用户列表成为朋友。
面部识别:你上传一张你和朋友的照片，Facebook会立即认出你的朋友。Facebook会检查照片中的姿势和投影，注意其独特的特征，然后将其与你的好友列表中的人进行匹配。后端的整个过程是复杂的，涉及到精度因素，但似乎是前端ML的一个简单应用。
电子邮件客户端使用的垃圾邮件过滤方法有很多。为了确定这些垃圾邮件过滤器是不断更新的，它们由机器学习提供动力。当基于规则的垃圾邮件过滤完成时，它无法跟踪垃圾邮件发送者采用的最新伎俩。多层感知器，c4.5决策树归纳是一些由ML驱动的垃圾邮件过滤技术。
每天检测到超过32.5万个恶意软件，每段代码与以前的版本有90-98%的相似性。由机器学习支持的系统安全程序理解编码模式。因此，他们可以很容易地检测到2-10%变化的新恶意软件，并提供针对它们的保护。
现在，许多网站提供了在网站内导航时与客户支持代表聊天的选项。然而，并不是每个网站都有一位现场主管来回答你的问题。在大多数情况下，你和聊天机器人交谈。这些机器人倾向于从网站上提取信息并将其呈现给客户。与此同时，聊天机器人随着时间的推移而发展。他们倾向于更好地理解用户的查询，并为用户提供更好的答案，这是可能的，因为它的机器学习算法。
谷歌和其他搜索引擎使用机器学习为你改进搜索结果。每次执行搜索时，后端的算法都会监视您对结果的响应。如果您打开最上面的结果并在网页上停留很长时间，搜索引擎会假定它显示的结果与查询一致。类似地，如果您到达搜索结果的第二页或第三页，但没有打开任何结果，搜索引擎估计所提供的结果与要求不符。这样，在后端工作的算法可以改进搜索结果。
您在线在线购物几天后，然后您继续收到购物建议的电子邮件。如果不是这样，那么您可能已经注意到购物网站或应用程序推荐一些以某种方式与您的品味相匹配的物品。当然，这改善了购物体验，但你知道它是机器学习为你做魔力吗？根据您的网站/应用程序的行为，过去的购买，喜欢或添加到购物车的物品，品牌偏好等，产品建议。
机器学习正在证明它的潜力，使网络空间成为一个安全的地方，追踪网上的货币欺诈就是它的一个例子。例如：Paypal使用ML来防止洗钱。该公司使用一套工具，帮助他们比较发生的数百万笔交易，区分买卖双方发生的合法或非法交易。
