더많은데이터,더많은질문,더나은답변

머신러닝알고리즘은통찰력을생성하고더나은의사결정과예측을수행하도록도와주는자연패턴을데이터에서찾습니다。자연패턴은의료진단,주식거래,에너지부하예측등에서중요한결정을내리기위해매일사용됩니다。예를들어,미디어사이트는머신러닝에의존하여수백만개의옵션을살펴보고노래또는동영상추천을제공합니다。소매업체는머신러닝을통해고객의구매행동에대한통찰력을얻습니다。

머신러닝을언제사용해야합니까?

대용량데이터와많은변수가관련되어있지만기존공식이나방정식이없는복잡한작업이나문제에머신러닝을사용해보십시오。예를들어다음과같은상황을처리해야할경우머신러닝이좋은옵션입니다。

지도(监督)학습

머지도(监督)신러닝은불확실성이있을때증거를기반으로예측을수행하는모델을작성합니다。지도학습알고리즘은알려진입력데이터셋및해당데이터에대한알려진응답(출력)을사용하고새데이터에대한응답을위해합리적인예측을생성하도록모델을학습합니다。예측하려고하는출력에대한알려진데이터가있는경우지도(监督)학습을사용합니다。

지도학습은분류및회귀기법을사용하여예측모델을개발합니다。

분류기법은이메일이진짜또는스팸인지여부,종양이악성또는양성인지여부등의개별응답을예측합니다。분류모델은입력데이터를범주로분류합니다。일반적인응용분야에는의료이미징,음성인식,신용평가등이있습니다。

데이터에태그지정하거나범주화하거나특정그룹또는클래스로구분할수있는경우분류를사용합니다。예를들어수기인식을위한응용분야에서는문자와숫자를인식하기위한분류를사용합니다。이미지프로세싱및컴퓨터비전에서는객체탐지및이미지분할에비지도(无监督)패턴인식기법이사용됩니다。

분류를수행하기위한일반적인알고리즘에는SVM(万博1manbetx支持向量机)，提高了및袋装의사결정트리，k最近的邻居，朴素贝叶斯，판별식분석，로지스틱회귀，신경망등이포함됩니다。

회귀기법은온도변화또는전력수요변동등의연속응답을예측합니다。일반적인응용분야에는전기부하예측,알고리즘트레이딩등이있습니다。

데이터범위로작업하는경우또는응답의특성이실제숫자(예:온도또는장비오류발생까지의시간)인경우회귀기법을사용합니다。

일반적인회귀알고리즘에는선형모델，비선형모델，정규화，단계적회귀，提高了및袋装의사결정트리，신경망，적응뉴로퍼지학습등이포함됩니다。

머지도(监督)신러닝과비지도(无监督)머신러닝중무엇을선택할지에대한몇가지지침은다음과같습니다。

• 온도나주가같은연속변수의미래가치등에대한예측을작성하거나웹캠비디오화면에서자동차제조업체를식별하는등의분류를수행하도록모델을학습해야할경우지도(监督)학습을선택합니다。
• 데이터를탐색해야하고데이터를클러스터로분할하는것과같이좋은내부표현을찾도록모델을훈련하려는경우비지도(无监督)학습을선택합니다。