新火種
2023-11-02 
機器學習是科學，不是算命先生
機器學習這個概念最早是由IBM公司發明的。大家都知道，IBM最善于發明各種新概念，比如智慧地球，也是他的發明。但是，不能望文生義，Machine Learning，并不是說機器會學習，正相反，和人比起來，計算機差距最大的地方，就是不善于學習了。
雖然如此，但是在某些特定領域，只要你定義了足夠好的問題，機器學習算法還是能如你所愿，展現它的能力的。比如，如果可以運用DataFocus進行銷量的預測，并且獲得比較好的效果。那么，接下來我們來談談，如何定義好問題？
總體來說，機器學習能應付的問題只有這么4類問題：
屋子里進來一個人，是男的還是女的？
這是個分類問題。機器學習模型可以通過算法訓練，很熟練的區分不同的類別。類似的額問題還包括，這個渦輪葉片運行1年會不會壞掉？如果搞個商場大促銷，是直接打折，還是發優惠前，銷售量大？
生產線的傳送帶送來了又一個輪胎，它合格嗎？
這屬于模式識別的問題。從一系列正常的模式中，識別出異常值。比如欺詐監測，故障預警，等等，都屬于這類問題。
你的淘寶小店，明天銷量會是多少呢？
這是典型的預測場景了。關于數值的預測，你簡直隨處都可以遇到，比如，明天溫度會是多少？下一分鐘，股價會變成多少（盡管這很難預測）。
火車站廣場上的一群人，哪些是男人，哪些是女人呢？
這是一類典型的聚類問題。給你一坨東西，給他們歸個類。比如有些分揀機器人，就得具備這種能力，蘋果和橘子得分開裝箱，它們干得非常好。
DataFocus的機器學習算法集成平臺，可以幫你解決很多問題，前提是你得提出一個好問題。當然了，你的問題如果是：怎么樣提高我的利潤率？或者，怎樣增加我的銷售收入？DataFocus是拒絕回答的。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
