-
一、機器學習和數據分析的區別
解決業務問題不同
數據分析：報告過去
機器學習：預測未來
技術手段不同
數據分析：用戶驅動、交互式分析
機器學習：數據驅動、自動進行知識發現
參與者不同
數據分析：數據分析師
機器學習：數據 + 算法
查看全部 -
一、機器學習和數據分析的區別
數據特點：
數據分析：交易數據，少量數據，采樣分析
機器學習：行為數據，海量數據，全量分析? ?
查看全部 -
一、機器學習的典型應用
自然語言處理
情感分析
實體識別
深度學習
圖像識別
語音識別
個性化醫療
人臉識別
自動駕駛
智慧機器人
私人虛擬助理
手勢控制
視頻內容自動識別
機器實時翻譯
查看全部 -
一、機器學習典型應用
CTR預估
互聯網廣告：百度搜索廣告，排序
協同過濾
推薦系統：電商推薦
查看全部 -
一、機器學習典型應用
樸素貝葉斯
垃圾郵件識別
決策樹
信用卡欺詐：騙子或還款能力差的人識別
查看全部 -
一、機器學習典型應用
用戶細分精準營銷
聚類：“全球通”用戶專門服務
查看全部 -
一、機器學習典型應用
關聯規則
購物籃分析：“啤酒 + 尿片”
查看全部 -
一、業務系統發展的歷史
基于專家經驗
基于統計 —— 分緯度統計
機器學習 —— 在線學習? ?
查看全部 -
一、機器學習發展的原動力
從歷史數據中找出規律，把這些規律用到對未來自動做出決定
用數據代理專家
專家：片面性、主觀性
經濟驅動，數據變現
大數據的出現
查看全部 -
一、從數據中尋找規律
基石：概率論、數理統計
統計學（計算力不足?）：
抽樣 —— 描述 統計—— 假設驗證
機器學習（計算力充足）：
用模型擬合規律
查看全部 -
一、機器學習
機器學習：利用計算機從歷史數據中找出規律，并把這些規律用到未來不確定場景的決策中。
數據分析：人來驅動；機器學習：機器驅動。
算法：從數據中尋找規律
數學函數 / 數學公式
查看全部 -
特征工程，占了機器學習的70%的工作
查看全部 -
把用戶分類
查看全部 -
算法
購物籃分析
關聯規則算法
查看全部 -
機器學習
離線機器學習
在線學習
查看全部
舉報
0/150
提交
取消