机器学习定义 编辑

什么是机器学习？

机器学习是一个概念，即计算机程序可以在没有人为干预的情况下学习和适应新数据。机器学习是计算机科学的一个领域人工智能（AI）保持计算机的内置算法 不管世界经济的变化。

关键要点

• 机器学习是人工智能（AI）的一个领域，其概念是计算机程序可以学习并适应新数据，而无需人工干预。
• 计算机内置了一个复杂的算法或源代码，允许机器识别数据，并围绕所识别的数据建立预测。
• 机器学习有助于解析世界上一致且随时可用的大量信息，以帮助决策。
• 机器学习可以应用于很多领域，比如投资、广告、贷款、组织新闻、欺诈检测等等。

理解机器学习

经济的各个部门都在处理从不同来源以不同格式提供的大量数据。大量的数据，称为大数据 ，由于技术的进步，特别是先进的计算能力和云存储，变得容易获得和访问。企业和政府意识到，利用大数据可以获得巨大的洞察力，但缺乏梳理其丰富信息所需的资源和时间。因此，不同的行业正在采用人工智能方法来收集、处理、交流和共享数据集中的有用信息。人工智能越来越多地用于大数据处理的一种方法是机器学习。

机器学习的各种数据应用是通过机器或计算机中内置的复杂算法或源代码形成的。这段编程代码创建了一个识别数据的模型，并围绕所识别的数据构建预测。该模型使用算法中建立的参数来形成决策过程的模式。当新的或额外的数据可用时，算法会自动调整参数，以检查模式变化（如果有的话）。然而，这种模式不应该改变。

机器学习的应用

机器学习由于各种原因被用于不同的领域。交易系统可以调整，以确定新的投资机会。市场营销和电子商务平台可以根据用户的互联网搜索历史或以前的交易进行调整，为用户提供准确和个性化的建议。贷款机构可以结合机器学习来预测不良贷款并建立信用风险模型。信息中心可以利用机器学习来覆盖世界各地的大量新闻报道。银行可以创造欺诈 机器学习技术中的检测工具。随着企业和政府越来越意识到大数据带来的机遇，机器学习在数字时代的结合是无止境的。

机器学习的应用

机器学习是如何工作的，可以用金融界的一个例子来更好地解释。传统上，证券市场上的投资主体，如金融研究人员、分析师、资产管理公司和个人投资者，都会从世界各地不同公司的大量信息中搜寻，做出有利可图的投资决策。但是，一些相关信息可能不会被媒体广泛宣传，可能只有少数人知道，这些人有可能是公司的雇员或信息来源国的居民。此外，在给定的时间范围内，人类只能收集和处理这么多的信息。这就是机器学习的用武之地。

An资产管理 企业可以在投资分析和研究领域采用机器学习。假设资产经理只投资矿业股票。系统内置的模型扫描网络，收集来自企业、行业、城市和国家的所有类型的新闻事件，这些信息构成了数据集。该公司的资产经理和研究人员不可能用他们的人力和智力获得数据集中的信息。与模型一起构建的参数仅从数据集中提取有关矿业公司、勘探部门监管政策和选定国家政治事件的数据。

机器学习示例

比如说XYZ矿业公司刚刚在南非的一个小镇上发现了一个钻石矿。一个专注于矿业公司的资产管理公司手中的机器学习工具会将此作为相关数据加以强调。机器学习工具中的模型将使用一个名为预测分析 根据最近发现的信息，在没有资产管理人任何投入的情况下，预测矿业在一段时间内是否盈利，或者哪些矿业股票在某个时间可能增值。这些信息被传递给资产经理，以便对他们的投资组合进行分析和决策。然后，资产管理人可能会决定向XYZ股票投资数百万美元。

在南非矿工罢工等不利事件发生后，计算机算法会自动调整参数以创建新模式。这样，即使世界事件发生变化，机器内置的计算模型也保持最新状态，而不需要人工调整代码来反映变化。由于资产管理人及时收到了这些新数据，他们可以通过退出股票 .