机器学习--为初学者和管理者解释基础知识和定义。

机器学习真的很新鲜吗？

机器学习(Machine Learning，以下简称ML)是人工智能的一门分支学科，研究已有50多年的历史。因此，ML并不新鲜。然而，它在 "被发现 "之后，很快就被人遗忘了，因为在最初的成功之后，幻觉迅速蔓延。根本找不到合适的应用，也没有必要数量和质量的数据。

如果ML不是新的--为什么会被这样炒作？

当然，在过去的50年里，ML算法有了很大的改进。尽管如此，这并不是现在将这些算法付诸实践的趋势的主要原因。

由于计算能力的快速增长（以及对每个人都可用），现在提供所需的巨大计算能力在经济上是可行的。得益于快速的显卡，现在的服务器每小时只需几欧元，而在几年前，这在超级计算机中是名列前茅的（因此也是难以承受的）。

与此同时，可用的数据量也在增加--这适用于自有公司数据和公共数据。这为企业绘制真正有意义、有用的用例提供了很好的基础。例如，这些包括预测性维护（即估计故障时间）、识别口语文本和价格预测。

即使目前由此形成了一种炒作，之后肯定会（再次）出现巨大的幻觉，但很多商业模式都可以从中获利，甚至可以进一步得到战略发展。

了解机器学习，超越假设

什么是算法？

计算机的算法可以看作是一个配方。它确切地描述了哪些步骤是一个接一个地进行的。计算机不懂烹饪配方，但懂编程语言。在它们中，算法被分解成计算机可以理解的形式化步骤（命令）。

有些问题可以很容易地制定成一个算法，例如从1数到100或检查一个数字是否是质数。对于其他问题，这是非常困难的，例如识别字体或键入文字。这里机器学习的程序帮助。长期以来，人们一直在开发算法，以便对现有数据进行分析，并将由此获得的知识应用于新数据。

为什么有些算法被称为 "学习"？

一个机器学习算法有很大的自由度，即所谓的参数。简化后，可以用一个参数，比如，把带有 "特朗普 "字样的消息放在与北美地区相关的地理环境中。通常情况下，ML算法使用了许多数百个参数，往往多达数十万个。调整参数，使现有数据得到正确的结果称为学习。

监督学习--是什么？

对于所谓的 "监督学习"，需要已知的数据，这些数据已经包含了人们想要应用到新数据集的逻辑。

从这些数据中选择一个训练和测试数据集。前者用于对算法中的参数进行相应的设置，而后者则用于评估算法的性能。在这里，你还可以计算质量指标，如果认为结果足够好，就可以结束训练过程（这可能需要很长时间，或者根本不会发生！）。

算法在这个所谓的训练集中学习逻辑。以这种方式训练的算法，就可以用学习到的逻辑对与训练集有一定相似度的数据进行分类--例如，根据预定义的类别Product Purchased/Not Purchased或Cancellation/No Cancellation。

有些步骤你必须非常小心：比如，当算法在用训练集练习时，不能简单地 "背诵 "所有的东西，而是要理解背后的逻辑。如果你没有做到这一点，你所面临的问题就叫做 "过度适应"。

无监督学习--那是什么？

如果没有已知的、逻辑结构化的数据可供实践使用，那么无监督学习适合于监督学习。例如，使用无监督学习的算法可以根据不同的客户群体来构建客户数据库（客户细分）。有自己决定形成多少个这样的聚类的算法，也有给定聚类数量的算法。

在这种机器学习之后，人工工作又接踵而至，需要人的创造力来诠释结果。对于现在发现的群组要进行专业的解读。这是因为算法并没有提供任何解释，为什么这些聚类是以这种方式创建的。

无监督学习的另一种可能是所谓的维度减少。这可以用来从现有的数据集中找出所谓的特征，即数据实际不同的成分。一个例子可以是对服装物品的描述，然后将颜色作为特征提取出来。

强化学习--是什么？

强化学习是目前经济中不太重要的一种学习方式，也是一种监控程序。这里的想法是奖励（从而促进）成功的行为，同时抑制导致不良结果的行为。

例如，如果你想训练一种算法，让它在十个独臂强盗（它们的功能不同 "好"）上玩钱，你会先让它们在每台机器上玩五次，然后更频繁地在第一次排练中产生最高赢率的机器上玩。算法也可能会在那些几乎没有产生赢利的机器上玩一下，因为这可能是前五次尝试中的不利（也不太可能）巧合，而实际上这些都是最好的机器。

能学习的算法有多少种？

不同的学习方法有很多，这里只应该提到支持向量机和决策树作为监督学习的代表。

对于每一种方法，都有不同的算法来调整参数，以达到与已知数据尽可能高的一致性。这些算法是机器学习中实际的学习程序。例如：梯度下降法、逆向传播法和遗传算法。

根据应用的目的，发现某些算法的效果更好或更差。这也会受到数据的影响。一些特殊应用甚至需要对算法本身进行修改。对于非常多的情况，用标准算法可以达到非常好的效果。然而，在个别情况下，可能需要修改算法或开发自己的算法。

机器学习首先还是意味着：人工工作

尽管这些听起来都是自动化的，但机器学习的过程仍然包括许多人工的过程步骤。例如，已知的数据往往无法获得你实际需要的质量。为此，通常必须在所谓的数据清洗的框架内，对数据进行第一步的清理。

ML是一种统计方法

这三类机器学习都是统计程序，也就是说，只有高次数的重复才能带来好的结果。计算机可以很好地完成这种 "愚蠢 "的工作，由于计算能力的大大提高，我们不需要等待很长时间就可以得到结果。

一个成功的机器学习项目背后总有一个跨学科的团队

ML使产品和服务更加方便用户，流程更加高效，预测更加可靠。如果管理层将机器学习的使用定义为企业战略的一部分，那么机器学习--与正确的数据相结合--就有能力彻底改变整个商业模式。

在这样的背景下，目前围绕ML展开的炒作是非常可以理解的。

有了所有的可能性就不能忘记。ML不是万能药。决定性因素是数据质量，即ML的 "饲料"：因此，"垃圾进--垃圾出 "尤其适用于ML。此外，ML需要非常大的数据量，而这些数据并不总是可用的。

ML算法所产生的结果，只有在人们脑海中带着公司相关的问题获取和准备了适量的数据，并反复调整算法的参数，直到得到一个技术上可以解释的结果。

在很多情况下，设定ML的极限的不是技术，而是人的创造力。必须找到适合业务的用例，然后利用自己员工带来的所有现有领域知识进行反复设计。以客户为中心的创新方法，如设计思维和精益原型方法在这方面做出了重要贡献--也是通过早期发现失败。