机器学习的应用场景

更新日期: 2023-04-25 阅读次数: 18627 字数: 809 分类: AI

这篇文章最初写于 2019 年,没想到在 2023 年,我才基于机器学习,确切的说是深度学习,实现了两个项目。真是由衷地感慨变化之快:

垃圾邮件过滤

监督学习,需要训练数据。

提取访客的人群特征

非监督学习,无需训练数据。

例如,收集到自己博客的访客信息之后,在没有训练数据的前提下,自动提取特征。例如,

  • 男女比例
  • 男性更喜欢哪些分类的文章
  • 周末女性更喜欢哪些分类的文章
  • 凌晨时分哪些分类更受关注

超市商品关联度

非监督学习,无需训练数据。

根据结算时顾客的购物清单,推算出关联性高的商品,例如,红酒和红酒起子。方便超市运营人员,调整货架,将关联度高的商品距离拉近。

周期性数据预测

...

google 照片 app 的图片自动分类功能

半监督学习,即提供大部分的 labeled 数据及小部分 unlabeled 数据。

用户上传照片为 unlabeled 数据,google 照片服务通过非监督学习将图片按照其中的人脸进行自动分类。只需要用户输入标签,就可以标识某张图片里的人具体是谁。(输入标签为训练过程)

五花八门的机器学习算法们

还有一堆高大上的算法分类名,虽然有各种知名的案例,例如 alpha 狗,但是其实现逻辑我完全不了解,估计就算开源了,我也没有兴趣看。。。

hands-on machine learning with scikit-learn & tensorflow 这本书中介绍的绝大多数机器学习应用场景,我都没有兴趣。。。因为看上去毫无应用价值。

所以最佳的学习方法就是找一个感兴趣的业务类型,应用机器学习的理论看看有没有产出。

产业互联网

https://developers.google.cn/machine-learning/crash-course/

今天早上腾讯提到转型,提了这么一个词,产业互联网。类似工业互联网这种概念。 都是做自动化,和智能化。

而机器学习在做图像识别上,完全可以跟咱们身边的行业产生联系,例如,苹果上有几个虫眼,自动对苹果进行分类;包装上是否有划痕;摄像头前的手势控制等。这些在机器学习里都是非常简单的应用。

咱们实现起来几乎没有难度,只有一点学习成本。

现在 ios 和 windows uwp 都内置了机器学习模块,即可以导入训练好的模型,实现离线判断。

这个趋势我们尝试追赶一下。

机器学习书籍推荐

关于作者 🌱

我是来自山东烟台的一名开发者,有敢兴趣的话题,或者软件开发需求,欢迎加微信 zhongwei 聊聊, 查看更多联系方式