有人經常會把數據分析與機器學習給搞混掉，機器學習這個主題已經很普遍了，每個人都在談論它，但很少有人能夠透徹地瞭解它，今天老李給大家分享一下機器學習的概念。
數據分析和機器學習
如果你認爲大數據僅僅是關於SQL語句查詢和海量的數據的話，那麼別人也會理解你的，但是大數據真正的目的是通過對數據的推斷，從數據中獲取價值、從數據中發現有用的東西。例如，“如果我降低5%的價格，我將增加10%的銷售量。”
數據分析是最重要的技術，包括如下方面:
- 描述性分析：確定所發生的事情。這通常涉及到描述發生了什麼現象的報告。例如，用這個月的銷售額與去年同期進行比較的結果。
- 特徵性分析：解釋現象發生的原因，這通常涉及使用帶有OLAP技術的控制檯用以分析和研究數據，根據數據挖掘技術來找到數據之間的相關性。
- 預測性分析：評估可能發生的事情的概率。這可能是預測性分析被用來根據你的工作性質、個人興趣愛好，認爲你是一個潛在的讀者，以便能夠鏈接到其他的人。
機器學習適合於預測性分析。
一個例子說明什麼是機器學習
機器學習是指利用計算機模擬或實現人類的學習行爲。那機器是怎麼學習的呢？我們就舉個相親的例子。現有一妙齡女郎相親，候選人有青年 A、B、C 和 D，四個青年的屬性分別爲：
- A：『高，帥，富』
- B：『高，帥，窮』
- C：『高，醜，富』
- D：『矮，醜，富』
經過一番篩選，女子將 [A C D] 分爲適合婚戀組，將 [B] 劃分爲不適合婚戀組。上述就是人類的學習過程。
由於相親對象實在過多，妙齡女郎相不過來了，於是她找來機器幫忙。首先，她要培訓下機器，告訴機器如下信息：
- A：屬性『高，帥，富』— 標籤 『適合婚戀組』
- B：屬性『高，帥，窮』— 標籤 『不適合婚戀組』
- C：屬性『高，醜，富』— 標籤 『適合婚戀組』
- D：屬性『矮，醜，富』— 標籤 『適合婚戀組』
機器一番學習，建立起了「屬性」和「標籤」的對應關係，這就是機器學習建模過程。現在有青年 E、F、G …… 的屬性值，妙齡少女把這堆屬性值告訴機器，機器返回哪些是可以繼續發展的對象，哪些是淘汰的對象。
這就是 有監督機器學習 ，即告訴機器訓練數據的「屬性」和「標籤」，機器利用某種算法建立「屬性」和「標籤」的關係，利用該關係，就可以根據新數據的「屬性」得到新數據的「標籤」，如下圖。
機器學習如何工作？
垃圾郵件過濾是一個很好的例子，它利用機器學習技術來學習如何從數百萬封郵件中識別垃圾郵件，其中就用到了統計學技術。
例如，如果每100個電子郵件中的85個，其中包括“便宜”和“偉哥”這兩個詞的郵件被認爲是垃圾郵件，我們可以說有85%的概率，確定它是垃圾郵件。並通過其它幾個指標（例如，從來沒給你發送過郵件的人）結合起來，利用數十億個電子郵件進行算法測試，隨着訓練次數不斷增加來提升準確率。
事實上，谷歌表示它現在已經可以攔截99.99%左右的垃圾郵件。
機器學習的算法有哪些
我製作了一份機器學習算法選擇速查表：
這張速查表能幫你從衆多機器學習算法中，針對你自己的具體問題和情況，選出最合適的算法。下面就介紹如何使用這份速查表。
因爲是面向初學者，所以在談到算法時，會盡量做一些最簡單的假設。下文談及的算法也都是衆多數據科學家、機器學習專家和開發者們推薦的結果。
怎樣使用速查表
按照“如果（路徑標籤）就用（算法）”的邏輯，查看速查表上的路徑和算法標籤。例如：
- 如果你想降維，就用主成分分析。
- 如果你需要迅速得到數值預測，就用決策樹和邏輯迴歸。
- 如果你需要層次結果，就用層次聚類。
有時我們可能需要不止一個算法，有時可能這些算法沒有一個是最合適的。我和許多數據科學家聊過，他們認爲這種情況下，最保險的做法就是把所有算法都嘗試一遍，找到最合適的那個。