如果您在网上时收到一些未知的定制读物，或者因为旅行而意外遇到不能使用信用卡，这说明您可能一直处在机器学习的接收端。如今的机器学习已经广泛应用于客户细分和欺诈检测两个领域，并且正在融入更多的应用程序中。
机器学习算法是基于可以从数据中学习而没有基于规则的编程语言。它变得如此有价值的一个原因是可以处理公司大量且快速增长的数据量。一些评估数据显示，全球的数据量每两年将会翻一番。
甲骨文公司大数据营销高级总监Aali Masood表示：“试图找到这些数据的价值，深入了解数据，可能会非常具有挑战性。 “这就是机器学习的魅力所在，它可以通过算法找出数据中隐藏的答案。”机器学习可能会发现人类容易疏忽的东西， 此外，提供给算法的数据越多，机器学习在识别趋势和模式的准确性就越好。
通用机器学习技术
骨文公司大数据产品营销总监彼得?杰夫科克说，机器学习并不是一种单一的技术，它是用于解决不同问题的不同技术的集合，在某些情况下可能会组合多种技术。其中最著名的有:
1、回归：是用来预测数字的，比如最优定价。例如，它可以根据房间的数量和院子的大小来预测房价。其他用途包括估算客户的生命周期价值。有趣的是，尽管机器学习是当今最热门的流行语之一，但并不是所有的技术都是新的。回归概念就可以追溯到1875年的英国统计学家弗朗西斯·高尔顿爵士，他是查尔斯·达尔文的同父异母兄弟。
2、分类：是一种“监督式”的学习技术,在这种技术中，系统根据其特征学习识别已知类的成员。如果你告诉一个系统的一个特定的水果是香蕉，它就可以开始了解香蕉的特性。然后就能认出其他的香蕉。使用包括识别可能的高价值客户，或者客户可能“流失”的欺诈检测。
3、集群：是一种“无监督”的学习技术，在这种技术中，系统可以识别项目之间的相似之处，并将它们分组为一个推断类的成员，尽管它不知道该类是什么。回到香蕉的类比:一个系统可能认识到，薄、弯曲和黄色的东西都是同一类的成员，即使没有被告知这个类被称为香蕉。同样的，它可能会聚集在一起，硬的，绿色的东西，即使它不知道它们是苹果。Jeffcock说，常见的用途包括客户细分和信用风险分析。
4、异常检测：用于寻找差异而不是相似点。正如它的名字所暗示的一样，它可以用来发现一些不寻常的东西，比如“大海捞针”，Jeffcock说。它可能会发现在大量数据中很难发现的异常现象。Jeffcock注意到了一家医疗保健公司的例子，该公司发现一个牙医为每小时85次的填充物收费然而每小时收费时间却不到一分钟，这意味着可以调查出潜在的欺诈行为。
5、关联规则：用于识别志同道合的人，比如网上购物车分析。公司利用它来提供服务:“你可能也会对电子商务网站的一些个性化建议感兴趣”，它是用来确定规则的，比如买意大利面、肉丸和番茄酱的人也倾向于买帕尔玛干酪，所以如果你把前三项放在网上购物车里，你也可以得到第四个。这种技术还可以用于根本原因分析和发现“产品不受欢迎的先兆”，消费者的品味远远超出主流，如果他们喜欢某一产品，它实际上可以表明该产品可能会不受欢迎。
6、时间序列分析：可以用来分析数据，其用途包括根据过去生活使用情况来预测家庭的能源损耗，或预测经季节调整的就业数据。
7、神经网络：该网络是基于神经元的概念，有点像人脑中的神经元，并被应用于在某些方面像人类一样学习的问题。例如，一个神经网络可能被设计成通过显示例子来识别手写数字。神经网络可以成为大型的、多层次的来解决复杂的问题。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
