机器学习的应用场景

更新日期: 2019-06-30 阅读次数: 6654 字数: 716 分类: AI

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。

爱评论不评论

近期节日

2019年08月23日 处暑
2019年09月03日 抗日胜利纪念日
2019年09月08日 白露
2019年09月08日 国际扫盲日
2019年09月10日 教师节
2019年09月13日 中秋节
2019年09月16日 国际臭氧层保护日
2019年09月16日 世界清洁地球日
2019年09月18日 "九一八"事变纪念日
2019年09月20日 国际爱牙日
2019年09月21日 国际和平日
2019年09月22日 世界无车日
查看更多节日