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(kāi)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(wèn)題開(kāi)始學(xué)習(xí)而不是從一個(gè)工具開(kāi)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(wèn)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(wèn)題的類型。使用“五個(gè)為什么”(問(wèn)為什么?五次)的方法來(lái)追朔問(wèn)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(guò)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(lái)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(lái)，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(lái)處理世界上特定的問(wèn)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(kāi)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(lái)愿景的人合作。

　　如果這些問(wèn)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(wèn)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(wèn)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(wèn)題。請(qǐng)牢牢記住，成功往往是問(wèn)正確的問(wèn)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(wèn)題開(kāi)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(lái)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(kāi)始使用特定的工具了(Hadoop，還有其它的嗎?)。

　　最常見(jiàn)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(kāi)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(lái)預(yù)測(cè)新的、沒(méi)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(lái)確定關(guān)系，并制定規(guī)則，然后預(yù)測(cè)未來(lái)的事件，例如，一個(gè)客戶的離開(kāi)(“客戶流失”)或一個(gè)人會(huì)不會(huì)買(mǎi)這件商品(“推薦引擎”)。預(yù)測(cè)的過(guò)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(lái)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(guò)，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(chē)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(lái)像一輛車(chē)，那些對(duì)象看起來(lái)像行人)，預(yù)測(cè)(如果是紅燈，我前面的車(chē)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(wèn)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(méi)干涸之前就出現(xiàn)了問(wèn)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)域的變化非常快，一個(gè)純技術(shù)的決定是相當(dāng)短見(jiàn)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(kāi)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(kāi)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(wèn)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(lái)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。