-
机器学习和数据分析的区别2：解决的业务问题不同
查看全部 -
机器学习和数据分析的区别1：处理的数据不同
数据分析：交易数据、少量数据、采样分析。对数据一致性要求严格，使用关系型数据库sql serve、mysql、oracle。
机器学习：行为数据、海量数据、全量分析。需要保证数据吞吐量，数据一致性可以打折扣，所以用NoSQL数据库（MongoDB、nosql）和分布式数据分析平台（Hadoop、Spark）
交易数据 ：电商网站用户下单、银行存取款账单
行为数据：用户的搜索历史、浏览历史、点击历史、评论
查看全部 -
机器学习的典型应用：
（1）关联规则：啤酒+纸尿片，购物篮分析
（2）聚类：用户细分精准营销
（3）朴素贝叶斯：垃圾邮件检测
（4）决策树：风险识别
（5）ctr预估：互联网广告：百度的前多少个词条（商业广告）（按照点击率排序）
（6）协同过滤：推荐系统（淘宝购物车推荐）
（7）自然语言处理：情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等）
（8）深度学习：图像识别
（9）更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译
查看全部 -
机器学习：利用计算机从历史数据中找出规律，并把这些规律用到对为未来不确定场景（例如下季度的销量）的决策
机器学习的主体是机器，数据分析的主体是人
机器学习是对不确定事件的判断和决策，从历史数据中获得规律（如数学函数和公式等）
机器学习是算法框架，离不开训练的数据，数据量越大，训练得到的规律就可能越精准
查看全部 -
我要很好的学校参观和 v 想得到的查看全部
-
机器学习解决问题的框架
查看全部 -
机器学习常见算法
查看全部 -
学习到第5章结束，即将学习第6章
非常有用！
查看全部 -
生成模型和判别模型的区别。
查看全部 -
传统数据分析，受限于计算能力的限制，所以采用抽样而非全量的计算模式，随着计算机的计算能力的发展，产生了大数据
查看全部 -
机器学习常见算法
查看全部 -
机器学习常见算法
查看全部 -
机器学习常见算法
查看全部 -
计算机开始向人进化，拥有分析归纳总结并举一反三查看全部
-
基石为概率论和统计学
查看全部
举报