【学习笔记】机器学习基本概念

一、人工智能的两个重要标志

（1）1950年图灵发表《计算及其与智能》定义人工智能测试方法：让被试和机器一起做一个实验，监督者随便问问题，如果监督者能够分辨出谁是人谁是机器那机器就没有通过图灵测试，否则这个机器就是有人类智能的。

（2）1956年达特茅斯会议提出理论：学习或者智能的任何其他特性都能被精确地描述，使得机器可以对其进行模拟。

提取表示业务的特征——通过算法训练模型——用模型对未知结果进行预测

二、数据现状

目前可以供分析的数据还只占很小的比例，原因：

（1）目前比较主流的机器学习算法都是监督学习算法，监督学习需要的数据源是打标过的数据。

（2）非结构化的数据处理能力较低。——文本、图片、语音、视频

三、常用算法

（1）预测某产品在未来几年的销量趋势发展。

——回归分析，包括线性回归、非线性回归、时间序列

（2）上线某个活动，预测活动效果，即分析活动的各个影响因素在满足什么情况才会产生想要的效果

——决策树、贝叶斯、KNN、神经网络

（3）细分市场、细分产品、细分用户

——分类

聚类：K均值聚类、分布估计聚类

（4）一些用户购买了很多商品，哪些商品同时被购买的几率高

——关联分析