机器学习(ML)每天被你使用数十次，甚至你自己都不知道。你有没有意识到，每次你说Siri、Alexa或谷歌时，你都在使用ML。你在电脑或手机上做的谷歌搜索都在使用它。在这篇文章中，我们将详细讨论什么是机器学习，它是如何工作的，它的各种类型，应用，优点和缺点。
什么是机器学习
机器学习是一种应用人工智能这为系统提供了自动学习、预测和从经验中改进的能力，而无需显式编程。
图1 -机器学习简介
这是一种完全由算法驱动的研究，它使计算机、设备和软件能够根据自己以前的经验进行学习，并提高任务的性能。它还赋予机器/软件分析、预测和分类大量数据的能力。学习的过程始于数据、指令和观察，以便在未来做出更好的决定。
机器学习的工作原理
让我们举个例子来简单地理解它。假设我们有包含不同蔬菜图片的数据，我们想让机器学习将它们分开。
下面是它的工作原理:
- 首先，我们向系统提供数据。
- 该系统遍历整个数据并进行分析，以根据大小、形状、颜色等找到模式。
- 现在，在弄清楚模式之后，系统做出决定并开始分离物品。
- 一旦工作完成，系统就会从结果中学习。如果任何一种蔬菜是错误的，它将确保它不会再次发生。
图2 -机器学习如何工作
它的工作原理是构建“智能算法”，并向计算机提供“足够多”的真实环境示例，这样当计算机看到“类似数据”时，它就知道该怎么做。
机器学习的类型
机器学习可以细分为三种类型:
- 监督式学习
- 无监督学习
- 强化学习
图3 -机器学习的类型
监督式机器学习
它在已知的输入和输出数据上训练模型，以便预测未来的输出。它通常通过使用过去学习到的或使用标记示例存储的数据来预测未来事件。例如-将邮件识别为垃圾邮件或促销邮件。
无监督机器学习
它在输入数据中发现隐藏的模式或内在结构。无监督ML算法当信息既没有分类也没有标签时使用。例如，用相同的搜索结果打开不同的博客或网站。
强化机器学习
它建立了一个模型，基于存在不确定性的证据进行预测。
机器学习的应用
下面是一些ML应用的例子:
虚拟个人助理
虚拟个人助理Siri, Alexa，谷歌现在可以帮助你在语音询问时查找信息，并完成分配给你的任务。
网络搜索引擎
搜索引擎工作得如此出色的主要原因之一是因为系统已经通过复杂的学习算法学会了如何对页面进行排名。
网上购物
根据你过去的搜索，亚马逊或脸书的算法会知道你在寻找什么样的商品。
股票预测
机器学习算法用于分析旧的股票数据并预测未来的价值。
照片标签应用
在像Facebook这样的照片标签应用中，给朋友加标签的功能让它变得更加有趣和令人兴奋。所有这一切都是可能的，因为应用程序后面运行的人脸识别算法。
垃圾邮件检测器
我们的邮件代理像Gmail或Hotmail做了很多艰苦的工作，我们在分类邮件和移动垃圾邮件到垃圾邮件文件夹。实现这一目标的唯一可能方法是使用运行在邮件应用程序后端的垃圾邮件分类器。
旅行中的预测
机器学习通过交通预测来预测哪条路线在特定时间拥塞较少。不仅如此，它还可以帮助你通过优步和Ola等应用程序从你的地方预订出租车。
监控录像118bet金博宝
一个人监控许多摄像机当然是一项艰巨的工作，也很无聊。这就是为什么训练计算机做这项工作的想法是使用ML实现的。
图4机器学习的应用
机器学习的优势
ML的优点包括:
轻松识别趋势和模式
它可以处理大量数据并发现特定的模式和趋势。例如，对于像亚马逊这样的电子商务网站，它的功能是了解用户的浏览历史和购买行为，以展示与他们相关的匹配项目、交易和提醒。
无需人工干预(自动化)
使用ML，您不需要在项目的每一步都照看您的项目。因为这意味着为机器提供学习能力，它可以让机器做出预测，并自行改进算法。
持续改进
随着机器学习算法经验的积累，它们在准确性和效率上不断提高。这让他们做出更好的决定。
处理多维、多种类数据
它的算法在处理多维度和多多样性的数据方面非常出色，而且它们可以在动态或随机的不确定环境中做到这一点。
广泛应用
它有许多广泛的应用，如银行、金融部门、医疗保健、零售、出版等。
图5 - ML的优点和缺点
机器学习的缺点
不管它有多少优势，它还不是完美的。以下是它的缺点:
数据采集
它需要大量的数据来进行训练，这些数据应该是公正的、高质量的。有时算法还必须等待新数据的生成和获取。
时间和资源
它需要很多时间来让算法适应、学习和发展，以便以相当大的准确性和相关性来实现它们的目的。它也需要大量的资源来运作。
结果解释
另一个主要挑战是准确解释算法产生的结果的能力。在选择算法时必须谨慎。
高误差敏感性
它是自主的，但很容易出错。如果你用足够小的数据集来训练一个算法，那么你最终会得到来自有偏差的训练集的有偏差的预测。这将导致向客户展示不相关的广告。在机器学习的情况下，这样的错误可能会引发一连串的错误，而这些错误在很长一段时间内都不会被发现。当它们被注意到时，需要相当长的时间来识别问题的根源，甚至需要更长的时间来纠正它。
图6 -机器学习不断进步
结论
机器学习可能有它自己的缺点，但比什么都没有!在今天的情况下，生活节奏很快，人类对机器的依赖不断增加，这肯定是一种福音，随着时间的推移，它会进一步发展，最终证明它是完全的，也许是完美的!
还读:什么是云存储——架构、类型、优缺点SCADA系统-组件，硬件和软件架构，类型机器人过程自动化(RPA) -介绍，工作，优势和应用
