-
一、机器学习和数据分析的区别
解决业务问题不同
数据分析：报告过去
机器学习：预测未来
技术手段不同
数据分析：用户驱动、交互式分析
机器学习：数据驱动、自动进行知识发现
参与者不同
数据分析：数据分析师
机器学习：数据 + 算法
查看全部 -
一、机器学习和数据分析的区别
数据特点：
数据分析：交易数据，少量数据，采样分析
机器学习：行为数据，海量数据，全量分析
查看全部 -
一、机器学习的典型应用
自然语言处理
情感分析
实体识别
深度学习
图像识别
语音识别
个性化医疗
人脸识别
自动驾驶
智慧机器人
私人虚拟助理
手势控制
视频内容自动识别
机器实时翻译
查看全部 -
一、机器学习典型应用
CTR预估
互联网广告：百度搜索广告，排序
协同过滤
推荐系统：电商推荐
查看全部 -
一、机器学习典型应用
朴素贝叶斯
垃圾邮件识别
决策树
信用卡欺诈：骗子或还款能力差的人识别
查看全部 -
一、机器学习典型应用
用户细分精准营销
聚类：“全球通”用户专门服务
查看全部 -
一、机器学习典型应用
关联规则
购物篮分析：“啤酒 + 尿片”
查看全部 -
一、业务系统发展的历史
基于专家经验
基于统计 —— 分纬度统计
机器学习 —— 在线学习
查看全部 -
一、机器学习发展的原动力
从历史数据中找出规律，把这些规律用到对未来自动做出决定
用数据代理专家
专家：片面性、主观性
经济驱动，数据变现
大数据的出现
查看全部 -
一、从数据中寻找规律
基石：概率论、数理统计
统计学（计算力不足 ）：
抽样 —— 描述 统计—— 假设验证
机器学习（计算力充足）：
用模型拟合规律
查看全部 -
一、机器学习
机器学习：利用计算机从历史数据中找出规律，并把这些规律用到未来不确定场景的决策中。
数据分析：人来驱动；机器学习：机器驱动。
算法：从数据中寻找规律
数学函数 / 数学公式
查看全部 -
特征工程，占了机器学习的70%的工作
查看全部 -
把用户分类
查看全部 -
算法
购物篮分析
关联规则算法
查看全部 -
机器学习
离线机器学习
在线学习
查看全部
举报
0/150
提交
取消