机器学习在实际应用中的案例分析

近年来,机器学习的研究与应用越来越受重视,已经广泛应用于语音识别、图像识别、数据挖掘等领域。大数据时代的到来,使机器学习有了新的应用领域,从设备维护、借贷申请、金融交易、医疗记录、广告点击、用户消费、客户网络行为等数据中发现有价值的信息已经成为其研究与应用的热点。

1.数据分析与挖掘

“数据挖掘”和“数据分析”经常被同时提起,并在许多场合中被认为是可以相互替代的术语。关于数据挖掘和数据分析,现在已有多种文字不同但含义接近的定义,例如,数据挖掘是“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的过程”;数据分析则通常被定义为用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用,是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。无论是数据分析还是数据挖掘,都是帮助人们收集数据、分析数据,使之成为信息,并做出判断,因此,可以将这两项合称为数据分析与挖掘。数据分析与挖掘技术是机器学习算法和数据存取技术的结合,利用机器学习提供的统计分析、知识发现等手段分析海量数据,同时,利用数据存取机制实现数据的高效读写。机器学习在数据分析与挖掘领域中拥有无可取代的地位,2012年的Hadoop进军机器学习领域就是一个很好的案例。(www.xing528.com)

2.模式识别

模式识别起源于工程领域,而机器学习起源于计算机科学,这两个不同学科的结合带来了模式识别领域的调整和发展。模式识别研究主要集中在两个方面:一是研究生物体(包括人)是如何感知对象的,属于认识科学的范畴;二是在给定的任务下,如何用计算机实现模式识别的理论和方法,这些是机器学习的长项,也是机器学习研究的内容之一。模式识别的应用领域广泛,包括计算机视觉、医学图像分析、光学文字识别、自然语言处理、语音识别、手写识别、生物特征识别、文件分类、搜索引擎等,而这些领域也正是机器学习大展身手的舞台,因此模式识别与机器学习的关系越来越密切。