机器学习概念

机器学习概念：

机器学习是一门从数据中研究算法的科学学科。机器学习直白来讲，是根据已有的数据，进行算法选择，并基于算法和数据构建模型，最终对未来进行预测。来看看大佬对机器学习的定义吧，美国卡内基梅隆大学（Carnegie Mellon University）机器学习研究领域的著名教授TomMitchell对机器学习的经典定义如下：

对于某给定的任务T，在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E；随着提供大量、合适、优质的经验E，该程序对于任务T的性能会逐步提高。
其中重要的机器学习对象：

• 任务Task T，一个或多个
• 经验Experience E
• 度量性能Performance P。

我们期望随着任务的不断执行，经验的累积会带来计算机性能的提升。

机器学习的应用场景：

• 个性化推荐：（电商商品推荐，好友推荐等）个性化指的是根据各种因素来改变用户体验和呈现给用户内容，这些因素可能包含用户的行为数据和外部因素；推荐常指系统向用户呈现一个用户可能感兴趣的物品列表。
• 精准营销：（DMP，基于用户的历史行为，给用户推荐各种产品）从用户群众中找出特定的要求的营销对象。
• 客户细分：试图将用户群体分为不同的组，根据给定的用户特征进行客户分组。比如说，用户分为VIP、高级VIP等，划分粒度和具体场景有关
• 预测建模及分析：根据已有的数据进行建模，并使用得到的模型预测未来。

机器学习主要领域：

• 计算机视觉（视频，图像处理）
• 语音识别（声音处理）
• 自然语言处理（文本处理）

人工智能、机器学习、深度学习之间的关系？

• 机器学习是人工智能的一个子类；
• 深度学习是机器学习的子类；
• 深度学习是基于传统的神经网络算法发展到多隐层的一种算法体现。

机器学习、数据分析、数据挖掘区别与联系？

• 数据分析：数据分析是指用适当的统计分析方法对收集的大量数据进行分析，并提取有用的信息，以及形成结论，从而对数据进行详细的研究和概括过程。在实际工作中，数据分析可帮助人们做出判断；数据分析一般而言可以分为统计分析、探索性数据分析和验证性数据分析三大类。
• 数据挖掘：一般指从大量的数据中通过算法搜索隐藏于其中的信息的过程。通常通过统计、检索、机器学习、模式匹配等诸多方法来实现这个过程。
• 机器学习：是数据分析和数据挖掘的一种比较常用、比较好的手段。

机器学习常用框架：

• Python：sciket-learn()    http://scikit-learn.org/stable/
• Spark(java、scala、Python、R)：http://spark.apache.org/
• TensorFlow
• Mahout：http://mahout.apache.org/