可選的技術(shù)比比皆是：據(jù)venturescanner.com網(wǎng)站顯示，目前VCs給多達(dá)885家AI公司投資了將近90億美元。而且這還并不包括大量已成立的供應(yīng)商和創(chuàng)業(yè)型公司。信息如此之多，足以使你暈頭轉(zhuǎn)向，分析能力癱瘓。下面是學(xué)習(xí)啦小編分享給大家的機(jī)器學(xué)習(xí)方法的資料，希望大家喜歡!

　　機(jī)器學(xué)習(xí)方法一、從心開始

　　在先前的Thinking Big Data? Think Bold Questions Instead一文中我指出，在大數(shù)據(jù)時(shí)代，我鼓勵(lì)人們從一個(gè)問題開始學(xué)習(xí)而不是從一個(gè)工具開始。這個(gè)道理同樣適用于AI/機(jī)器學(xué)習(xí)領(lǐng)域。在我們?nèi)缃裆畹哪甏?，讓人興奮的是我們可以提出真正無(wú)所畏懼的問題。因?yàn)槲覀円呀?jīng)不再受到硬件或軟件的限制。

　　首先花時(shí)間徹底弄清楚你正在解決的問題的類型。使用“五個(gè)為什么”(問為什么?五次)的方法來追朔問題的根源。根據(jù)我的經(jīng)驗(yàn)，我發(fā)現(xiàn)了一些常規(guī)形式：

　　Top Line(收入)：哪一個(gè)是我們最好/最有利可圖的產(chǎn)品、客戶、期望等，采取什么行動(dòng)可以獲取最大利益?這是一個(gè)擴(kuò)展的經(jīng)典市場(chǎng)細(xì)分和商業(yè)智能報(bào)告。使用大數(shù)據(jù)和人工智能領(lǐng)域的新工具，我們可以分析海量的數(shù)據(jù)和組，或者做出高精度和細(xì)微差別的預(yù)測(cè)。

　　Bottom Line (成本代價(jià)):在我們的操作過程中，效率低下的地方有哪些，如何優(yōu)化才能降低成本?這也是一個(gè)擴(kuò)展的傳統(tǒng)報(bào)表技術(shù)。

　　消費(fèi)者經(jīng)驗(yàn)：促使消費(fèi)者最佳/積極消費(fèi)經(jīng)歷的因素是什么，要怎么做才可以提升它?除了上面提到的方法和工具，推薦引擎(類似于Amazon和Netflix)在這個(gè)領(lǐng)域里也扮演了重要的角色。面向客服服務(wù)的自動(dòng)助手也成為可能。

　　知識(shí)發(fā)現(xiàn)/決策支持：我們從已知的信息中能夠挖掘到什么新知識(shí)，并且應(yīng)該如何使用它來做出決策呢?這是我個(gè)人最喜歡的一個(gè)方向，我職業(yè)生涯的大部分時(shí)間都在做這個(gè)。決策支持工具已經(jīng)出現(xiàn)了一段時(shí)間，但技術(shù)的進(jìn)步持續(xù)地提高了計(jì)算機(jī)的處理分析能力，讓我們從處理分析能力的限制里解脫出來，不用擔(dān)心處理能力的不足，從而專注發(fā)現(xiàn)。

　　智能機(jī)器/軟件：其他領(lǐng)域都集中于使企業(yè)或消費(fèi)者變得更好，然而這一領(lǐng)域?qū)Ｗ⒂趧?chuàng)造智能機(jī)器來處理世界上特定的問題：從導(dǎo)航真實(shí)世界到數(shù)據(jù)的實(shí)時(shí)分析和反應(yīng)。機(jī)會(huì)仍然存在，即使你不是一個(gè)核心軟體開發(fā)公司。如果你在這個(gè)領(lǐng)域有商業(yè)理念，你可以永遠(yuǎn)與那些能給你的生活帶來愿景的人合作。

　　如果這些問題帶領(lǐng)你去尋找一個(gè)非技術(shù)性解決方案，那么請(qǐng)不要驚訝。有時(shí)候，最好的解決方案并不是實(shí)現(xiàn)一個(gè)軟件，而是從人以及處理方法上做改進(jìn)。

　　比如，我曾被帶去幫助一個(gè)出版社組織去評(píng)估新的分析工具。在挖掘詳細(xì)信息之后，我發(fā)現(xiàn)他們面臨的真實(shí)問題是“創(chuàng)新者的窘境”。任何一種新技術(shù)都可能腐蝕他們已存的商業(yè)模式，除非他們先解決自己市場(chǎng)上的混亂。我對(duì)此給出了一些適度的技術(shù)改進(jìn)方法，但我還是鼓勵(lì)他們把大部分精力集中在解決商業(yè)模式的問題上。

　　你可能也會(huì)發(fā)現(xiàn)，很多傳統(tǒng)的商業(yè)智能工具都是有必要的，或許你有一個(gè)不需要人工智能的大數(shù)據(jù)規(guī)模問題。請(qǐng)牢牢記住，成功往往是問正確的問題，而不是挑選閃亮的新玩具。

　　機(jī)器學(xué)習(xí)方法二、識(shí)別機(jī)器學(xué)習(xí)類別

　　盡管供應(yīng)商和算法多的讓人有些眼花繚亂，但事實(shí)上機(jī)器學(xué)習(xí)方法只有那么幾類。首先，從你需要解決的問題開始識(shí)別方法，然后你就可以縮小供應(yīng)商和支持此方法的最佳工具。這看起來可能很明顯，但我都不知道有多少次看到一些公司在理解需求或方法之前就開始使用特定的工具了(Hadoop，還有其它的嗎?)。

　　最常見的方法如下：

　　Feature Extraction(特征提取)：這種方法需要一個(gè)類似文本、圖像、視頻、音頻的原始輸入，然后提取可以在隨后的機(jī)器學(xué)習(xí)算法中使用的相關(guān)“特征”和模式。這與其自身并不是息息相關(guān)，但卻是一個(gè)重要的預(yù)處理步驟。

　　Clustering(聚類)：此方法也稱作"unsupervised learning(無(wú)監(jiān)督學(xué)習(xí))"，它基于相似性原理將原始數(shù)據(jù)或特征和組對(duì)象組放到一起。唯一真正的要求就是對(duì)象需要一種比較相似性的手段，例如，比較它們相似或不同的方法。

　　Classification(分類)：此方法也稱作“supervised learning(監(jiān)督學(xué)習(xí))”，分類需要原始數(shù)據(jù)或特征，以及一個(gè)用戶定義的類別，然后開發(fā)規(guī)則將這些對(duì)象歸入到這些類別中。這種規(guī)則接著可以用來預(yù)測(cè)新的、沒有類別的對(duì)象。這種技術(shù)也有助于標(biāo)記內(nèi)容，例如，圖片、視頻和產(chǎn)品。

　　Prediction(預(yù)測(cè))：此方法根據(jù)已知的數(shù)據(jù)來確定關(guān)系，并制定規(guī)則，然后預(yù)測(cè)未來的事件，例如，一個(gè)客戶的離開(“客戶流失”)或一個(gè)人會(huì)不會(huì)買這件商品(“推薦引擎”)。預(yù)測(cè)的過程真的很有趣，做預(yù)測(cè)的一個(gè)最佳理由就是：誰(shuí)不想預(yù)測(cè)未來呢?

　　該列表看似很短，然而很多公司在實(shí)踐中都曾在其中絆倒過，簡(jiǎn)而言之就這幾個(gè)。即使更先進(jìn)的解決方案，如谷歌的無(wú)人駕駛汽車使用的也是這些基本的構(gòu)建模塊：特征提取(將其三維空間降解為一系列機(jī)器可讀的對(duì)象)，分類(這些物體看起來像一輛車，那些對(duì)象看起來像行人)，預(yù)測(cè)(如果是紅燈，我前面的車將會(huì)停止)。

　　這些模塊的選擇(無(wú)論是單獨(dú)使用還是組合)，取決于你需要解決的問題，并且你可以以你的方式更好地完成一個(gè)成功的機(jī)器學(xué)習(xí)項(xiàng)目。

　　機(jī)器學(xué)習(xí)方法三、選擇適合你風(fēng)險(xiǎn)承受能力的技術(shù)

　　一旦你了解了你需要的機(jī)器學(xué)習(xí)的算法類型，最后一步就是評(píng)估和選擇符合你特定需求的技術(shù)。你可能會(huì)傾向于使用最富有特色的方法，但這可能會(huì)導(dǎo)致組織風(fēng)險(xiǎn)承受能力的不匹配。我看到一些大的、成熟的組織從一些靈活的小公司中選擇軟件，類似于小公司和IBM這樣的大公司。每一次，都在合同的墨水還沒干涸之前就出現(xiàn)了問題。

　　所以，你最好和一個(gè)與你的整體策略、理念和風(fēng)險(xiǎn)承受能力在一個(gè)等級(jí)的供應(yīng)商合作。領(lǐng)域的變化非?？?，一個(gè)純技術(shù)的決定是相當(dāng)短見的。你要有一個(gè)能以類似的速度成長(zhǎng)和適應(yīng)的伙伴，這樣就不存在任何期望的不匹配。除了技術(shù)，還需根據(jù)以下幾個(gè)方面進(jìn)行評(píng)估：

　　公司成長(zhǎng)戰(zhàn)略

　　領(lǐng)導(dǎo)團(tuán)隊(duì)

　　咨詢方式(傳統(tǒng)的瀑布型，敏捷開發(fā)型等)

　　技術(shù)風(fēng)格(專有的重型研發(fā)，集成等)

　　找到那些與你的企業(yè)精神相匹配的公司，如此你才會(huì)為你踏上這個(gè)旅程找到一個(gè)好的合作伙伴。你也可以使用這種評(píng)估，故意地移除這些公司。如果你是一個(gè)需要更多創(chuàng)新的大型公司，你可以選擇一個(gè)更富有活力和進(jìn)取心的供應(yīng)商，僅僅只是為了將新的思想和精力注入到一個(gè)不景氣的企業(yè)。只是要確保時(shí)刻睜開你的雙眼，關(guān)注著發(fā)生的一切。

　　最后一點(diǎn)看法

　　在機(jī)器學(xué)習(xí)的嗡嗡聲下，伴隨的是解決復(fù)雜業(yè)務(wù)問題或改革新產(chǎn)品的真正機(jī)會(huì)。但在該領(lǐng)域所有的噪音和咆哮下，你需要保持冷靜的頭腦并以一種理性的方法來研究項(xiàng)目：以全面綜合的方式確定項(xiàng)目的需要，選擇合適的方法，并評(píng)估供應(yīng)商。做到了這些，你將會(huì)領(lǐng)先于你的大部分競(jìng)爭(zhēng)對(duì)手，并成為此領(lǐng)域的佼佼者。