揭开机器学习的神秘面纱：机器学习如何发现新信息

NEWS前沿动态

揭开机器学习的神秘面纱：机器学习如何发现新信息

来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-08-28

我们将重点研究机器学习（ML），并探讨计算机如何能够从数据中学习而无需显式编程或指示学习过程的流程和逻辑

或计算机如何从任何数据中发现并学习模式和相关性-无论它来自何处或是关于什么。然后，机器可以使用这些模式和相关性来执行特定任务，提供预测/描述性分析或从不断变化的环境中自主学习。ML可以做什么，真是太神奇了！

在较高的层次上，机器学习使用特殊的算法和统计分析来对样本数据

通常是历史数据，称为训练数据创建机器学习模型，这些ML模型用于做出有关新数据的预测或决策，而无需对其进行明确的编程，ML可以强迫计算机从数据中学习，而无需编程或指示学习过程的流程和逻辑，它可以从数据中发现并学习模式和相关性，无论该数据源自何处或涉及的内容是什么。它可以使用这些模式和相关性来执行特定任务，提供预测/描述性分析或从不断变化的环境中自主学习，机器学习的主要目标是使计算机的学习过程自动化，并消除人工干预。ML的用例意义深远且功能强大。

机器学习-学习方式

计算机可以从多种方法中学习数据。机器学习算法分为几类。以下仅是几个示例，可以使您有所了解：

监督学习

在这种方法中，人类专家充当教师，并用正确答案（预期输出）丰富培训数据。计算机根据正确答案学习模式。这种训练数据也称为标记数据。这种方法产生了预测模型。

无监督学习

在这种情况下，计算机从未标记的数据中学习，该数据排除了正确/期望的答案。如您所料，这里不需要老师。该方法主要用于查找数据中的模式并发现新的有意义的见解。

特征学习

改善ML模型性能的可靠方法之一是使用尽可能多的数据对其进行训练。但是，挖掘标记的数据可能是一个非常昂贵且耗时的过程。如果您可以访问大量未标记的数据，则可以使用功能学习技术来自动发现新功能，而无需手动进行工程设计。在ML中，特征定义为要观察的个体可测量属性或特征。

正如我们已经看到的，机器学习是一组算法和统计分析，用于创建机器学习模型，使机器学习无需特定指令即可进行。我们区分有监督学习，无监督学习和要素学习，但还有许多其他学习类别。但是，ML仍然需要数据科学家来完成诸如手动识别和创建新功能之类的任务。您的模型仅与模型所基于的假设一样好。因此，您需要专家来确保对其进行正确的培训。

CPDA企业内训

https://www.cpda.cn/trainning/

cpda项目数据分析师为什么要更名？

https://www.chinacpda.com/question/4504.html

海南智企数据分析师事务所

https://www.chinacpda.com/shiwusuo/14202.html

王兴海老师高级经济师

https://www.chinacpda.com/shizi/9433.html

用数据改变人生，获得CPDA证书仅是一个开始

https://www.chinacpda.com/shouquanzhongxin/14854.html

大数据专业就业前景及就业方向如何？

https://www.chinacpda.com/wenti/11706.html