机器学习简介:什么是机器学习?机器学习的例子和应用

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，无需人工干预。

机器学习(ML)是研究通过经验自动改进的计算机算法。它被视为人工智能的一个子集。机器学习算法基于样本数据(称为“训练数据”)建立数学模型，以便在没有明确编程的情况下做出预测或决策。机器学习算法用于各种各样的应用，例如电子邮件过滤和计算机视觉，在这些应用中，开发传统算法来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，计算统计学侧重于使用计算机进行预测。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

1. 虚拟个人助理

Siri、Alexa、Google Now是一些流行的虚拟个人助理。顾名思义，当通过语音询问时，它们可以帮助查找信息。你所需要做的就是激活它们并问“我今天的日程安排是什么?”、“从德国到伦敦有哪些航班”或类似的问题。为了回答问题，你的个人助理会查找信息，回忆你的相关查询，或者向其他资源(如手机应用程序)发送命令来收集信息。你甚至可以指导助理完成某些任务，比如“把闹钟定在第二天早上6点”，“提醒我后天去Visa办公室”。

机器学习是这些个人助理的重要组成部分，因为它们会根据你之前与它们的接触收集和提炼信息。稍后，将利用这组数据来呈现根据您的首选项定制的结果。虚拟助手集成到各种平台。

2. 通勤时的预测

交通预测:我们都在使用GPS导航服务。当我们这样做的时候，我们当前的位置和速度被保存在一个中央服务器上，用于管理交通。然后，这些数据被用来绘制当前的交通地图。虽然这有助于防止交通堵塞并进行拥堵分析，但潜在的问题是配备GPS的汽车数量较少。在这种情况下，机器学习有助于根据日常经验估计可能出现拥堵的区域。

在线交通网络:预订出租车时，应用程序会估算乘车费用。当共享这些服务时，他们如何尽量减少弯路?答案是机器学习。Uber ATC的工程主管杰夫·施耐德(Jeff Schneider)在一次采访中透露，他们通过预测乘客的需求，使用ML来定义价格飙升的时间。在整个服务周期中，机器学习扮演着重要的角色。

3. 视频监控

想象一下，一个人监控多个摄像机!当然，这是一项困难的工作，也很无聊。这就是为什么训练计算机来做这项工作的想法是有意义的。

如今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发现犯罪成为可能。他们追踪人们的不寻常行为，比如长时间一动不动地站着、绊倒或在长椅上打盹等。因此，该系统可以向人类服务员发出警报，最终帮助避免事故发生。当这些活动被报道并被统计为真实时，它们有助于改善监视服务。这发生在机器学习在后台完成它的工作时。

4. 社交媒体服务

在你的社交媒体账户中使用和喜爱，而没有意识到这些美妙的功能只不过是机器学习的应用。

你可能认识的人:机器学习的工作原理很简单:通过经验来理解。Facebook持续关注你联系的朋友，你经常访问的个人资料，你的兴趣，工作场所，或者你与某人分享的小组等等。在不断学习的基础上，列出了一份Facebook用户列表，你可以和他们成为朋友。

面部识别:你上传一张你和朋友的照片，Facebook会立即识别出这个朋友。Facebook会检查照片中的姿势和投影，注意到独特的特征，然后将他们与你的朋友列表中的人进行匹配。后端的整个过程很复杂，需要考虑精度因素，但在前端似乎是一个简单的ML应用程序。

5. 垃圾邮件和恶意软件过滤

电子邮件客户端使用了许多垃圾邮件过滤方法。为了确保这些垃圾邮件过滤器是不断更新的，它们是由机器学习驱动的。当基于规则的垃圾邮件过滤完成后，它无法跟踪垃圾邮件发送者采用的最新技巧。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。

每天有超过32.5万个恶意软件被检测出来，每段代码与之前的版本有90-98%的相似之处。由机器学习驱动的系统安全程序理解编码模式。因此，他们很容易检测到2-10%变异的新恶意软件，并提供保护。

6. 在线客户支持

如今，许多网站都提供了与客户支持代表聊天的选项，当他们在网站内导航时。然而，并不是每个网站都有一个活生生的主管来回答你的问题。在大多数情况下，你与聊天机器人交谈。这些机器人倾向于从网站中提取信息并呈现给客户。与此同时，聊天机器人也在与时俱进。他们倾向于更好地理解用户的查询，并为他们提供更好的答案，这是可能的，因为它的机器学习算法。

7. 搜索引擎结果精炼

谷歌和其他搜索引擎使用机器学习来为你改善搜索结果。每次执行搜索时，后端的算法都会监视您对结果的响应。如果你打开排名靠前的结果并在网页上停留很长时间，搜索引擎就会认为它显示的结果与你的查询是一致的。同样，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，则搜索引擎估计所提供的结果不符合要求。这样，在后台工作的算法改进了搜索结果。

8. 产品推荐

几天前你在网上买了一件商品，然后你不断收到购物建议的电子邮件。如果不是这样，那么你可能已经注意到购物网站或应用程序会推荐一些符合你口味的商品。当然，这改善了购物体验，但你知道这是机器学习为你创造的奇迹吗?根据您在网站/应用程序上的行为、过去的购买行为、点赞或添加到购物车的商品、品牌偏好等，我们会提出产品推荐。

9. 在线欺诈检测

机器学习正在证明其使网络空间成为安全场所的潜力，在线追踪货币欺诈就是其中一个例子。例如:Paypal正在使用ML来防止洗钱。该公司使用一套工具，帮助他们比较正在进行的数百万笔交易，并区分买家和卖家之间发生的合法或非法交易。