機(jī)器學(xué)習(xí)：每一種方法和技巧的適用時(shí)機(jī)

Bob Violino

機(jī)器學(xué)習(xí)到底能做些什么？

我們將介紹適合你的各種方法和技巧。

機(jī)器學(xué)習(xí)對(duì)你來(lái)說(shuō)可能已經(jīng)如雷貫耳了，它是人工智能的一個(gè)子集。而機(jī)器學(xué)習(xí)到底能做些什么呢？

該技術(shù)包括很多方法和技巧，每種方法和技巧都有一些很好的應(yīng)用情形。企業(yè)在計(jì)劃投資機(jī)器學(xué)習(xí)工具和基礎(chǔ)設(shè)施之前，最好先詳細(xì)了解一下它們。

監(jiān)督式學(xué)習(xí)

如果你知道想要機(jī)器去學(xué)習(xí)什么，那么監(jiān)督式學(xué)習(xí)是理想的選擇。你可以喂給它大量的訓(xùn)練數(shù)據(jù)，檢查輸出并調(diào)整參數(shù)，直到獲得預(yù)期的結(jié)果。隨后，可以通過(guò)讓機(jī)器從一組以前從未見(jiàn)過(guò)的驗(yàn)證數(shù)據(jù)中能預(yù)測(cè)出什么結(jié)果，來(lái)檢查機(jī)器學(xué)到了什么。

最常見(jiàn)的監(jiān)督式學(xué)習(xí)任務(wù)包括分類(lèi)和預(yù)測(cè)，即“回歸”。

監(jiān)督式學(xué)習(xí)方法可以用于根據(jù)過(guò)去有關(guān)財(cái)務(wù)業(yè)績(jī)的信息來(lái)確定個(gè)人和企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。基于以前的行為模式，這種方法能很好地了解客戶(hù)的行為方式以及他們的偏好。

例如，網(wǎng)絡(luò)貸款市場(chǎng)Lending Tree公司的戰(zhàn)略和分析副總裁兼主任Akshay Tandon介紹說(shuō)，該公司正在使用來(lái)自DataRobot的自動(dòng)化機(jī)器學(xué)習(xí)平臺(tái)來(lái)為其客戶(hù)定制體驗(yàn)，并基于他們過(guò)去的行為來(lái)預(yù)測(cè)客戶(hù)的意圖。

通過(guò)預(yù)測(cè)客戶(hù)意圖——主要是通過(guò)案源計(jì)分（lead scoring），Lending Tree公司能夠區(qū)分出誰(shuí)只是在看看利率，而誰(shuí)實(shí)際上是想要貸款，并準(zhǔn)備申請(qǐng)貸款。使用監(jiān)督式學(xué)習(xí)技術(shù)，它建立了一種分類(lèi)模型來(lái)定義案源結(jié)束的概率。

無(wú)監(jiān)督式學(xué)習(xí)

無(wú)監(jiān)督式學(xué)習(xí)使得機(jī)器能夠研究數(shù)據(jù)集并識(shí)別鏈接不同變量的隱藏模式。這種方法可以用于僅根據(jù)數(shù)據(jù)的統(tǒng)計(jì)特性把數(shù)據(jù)分組到聚類(lèi)中。

無(wú)監(jiān)督式學(xué)習(xí)一種很好的應(yīng)用，是用于執(zhí)行概率記錄鏈接的聚類(lèi)算法，這種技術(shù)提取數(shù)據(jù)元素之間的鏈接，并在其基礎(chǔ)上識(shí)別個(gè)人和企業(yè)以及他們?cè)谖锢砗吞摂M世界中的連接關(guān)系。

LexisNexis風(fēng)險(xiǎn)解決方案公司利用分析技術(shù)來(lái)幫助客戶(hù)預(yù)測(cè)和管理風(fēng)險(xiǎn)，該公司技術(shù)副總裁Flavio Villanustre介紹說(shuō)，如果企業(yè)需要集成來(lái)自不同源和/或跨不同業(yè)務(wù)部門(mén)的數(shù)據(jù)，以便為客戶(hù)建立一致和全面的視圖，那么這種技術(shù)尤其有用。

咨詢(xún)公司劍橋咨詢(xún)（Cambridge Consultants）的機(jī)器學(xué)習(xí)專(zhuān)家Sally Epstein解釋說(shuō)，無(wú)監(jiān)督式學(xué)習(xí)可以用于情緒分析，能夠根據(jù)個(gè)人在社交媒體上的帖子、電子郵件或者其他書(shū)面反饋來(lái)識(shí)別個(gè)人的情緒狀態(tài)。該公司看到越來(lái)越多的金融服務(wù)企業(yè)使用無(wú)監(jiān)督式學(xué)習(xí)來(lái)深入了解客戶(hù)滿(mǎn)意度。

半監(jiān)督式學(xué)習(xí)

半監(jiān)督式學(xué)習(xí)混合了監(jiān)督式和無(wú)監(jiān)督式學(xué)習(xí)。通過(guò)標(biāo)記一小部分?jǐn)?shù)據(jù)，訓(xùn)練者給機(jī)器提供一些線索，提示它應(yīng)該怎樣對(duì)數(shù)據(jù)集的其余部分進(jìn)行聚類(lèi)。

半監(jiān)督式學(xué)習(xí)可以用來(lái)檢測(cè)身份欺詐，以及其他用途。Villanustre指出，好在欺詐行為并不像非欺詐性行為那么頻繁，因此可以把欺詐行為看成是合法行為領(lǐng)域中出現(xiàn)的“異常”。盡管如此，欺詐行為仍然存在，半監(jiān)督式的異常檢測(cè)機(jī)器學(xué)習(xí)方法可以用于對(duì)這類(lèi)問(wèn)題的解決方案進(jìn)行建模。這種類(lèi)型的學(xué)習(xí)被用于識(shí)別網(wǎng)上交易中的欺詐行為。

Epstein說(shuō)，當(dāng)有標(biāo)記和未標(biāo)記的數(shù)據(jù)混合在一起時(shí)，也可以使用半監(jiān)督式學(xué)習(xí)方法，這在大型企業(yè)環(huán)境中比較常見(jiàn)。她說(shuō)，亞馬遜通過(guò)對(duì)混合有標(biāo)記和無(wú)標(biāo)記數(shù)據(jù)的人工智能算法進(jìn)行訓(xùn)練，增強(qiáng)了對(duì)Alexa服務(wù)的自然語(yǔ)言理解能力。她說(shuō)，這有助于提高Alexa響應(yīng)的準(zhǔn)確性。

強(qiáng)化學(xué)習(xí)

通過(guò)強(qiáng)化學(xué)習(xí)，可以讓機(jī)器與其所在的環(huán)境進(jìn)行交互（例如，把傳送帶上有缺陷的產(chǎn)品推到垃圾箱中），并且按照企業(yè)的要求完成任務(wù)后，對(duì)其進(jìn)行獎(jiǎng)勵(lì)。通過(guò)自動(dòng)計(jì)算獎(jiǎng)勵(lì)，可以讓機(jī)器自己花時(shí)間去學(xué)習(xí)。

強(qiáng)化學(xué)習(xí)的一種應(yīng)用情形是對(duì)零售店的服裝和其他物品進(jìn)行分類(lèi)。

咨詢(xún)公司德勤（Deloitte）的分析師David Schatsky專(zhuān)注于新興技術(shù)和商業(yè)趨勢(shì)，他指出，一些服裝零售商已經(jīng)開(kāi)始嘗試機(jī)器人等新技術(shù)，以幫助對(duì)服裝、鞋子和飾品等物品進(jìn)行分類(lèi)。

Schatsky說(shuō)，機(jī)器人使用強(qiáng)化學(xué)習(xí)（以及深度學(xué)習(xí)）來(lái)計(jì)算在抓取物品時(shí)應(yīng)該用多大的力，以及怎樣恰好地抓取貨架上的這些物品。

強(qiáng)化學(xué)習(xí)的一種變體是深度強(qiáng)化學(xué)習(xí)，它非常適合于自主決策，在這種情況下，只采用監(jiān)督式學(xué)習(xí)或者無(wú)監(jiān)督式學(xué)習(xí)技術(shù)并不能完成工作。

深度學(xué)習(xí)

深度學(xué)習(xí)執(zhí)行無(wú)監(jiān)督式或者強(qiáng)化學(xué)習(xí)等類(lèi)型的學(xué)習(xí)。從廣義上講，深度學(xué)習(xí)模仿了人們學(xué)習(xí)方式的某些方面，主要是通過(guò)使用神經(jīng)網(wǎng)絡(luò)來(lái)越來(lái)越細(xì)致地識(shí)別數(shù)據(jù)集的特征。

Schatsky說(shuō)，以深度神經(jīng)網(wǎng)絡(luò)（DNN）形式出現(xiàn)的深度學(xué)習(xí)技術(shù)，已經(jīng)被用來(lái)加速藥物發(fā)現(xiàn)過(guò)程中的高含量篩選工作。它涉及到應(yīng)用DNN加速技術(shù)來(lái)大幅度縮短處理多副圖像的時(shí)間，同時(shí)從模型最終學(xué)習(xí)的圖像特征中提取出更深入的信息。

這種機(jī)器學(xué)習(xí)方法還有助于很多企業(yè)打擊欺詐，通過(guò)自動(dòng)檢測(cè)不法行為來(lái)提高檢測(cè)率。

深度學(xué)習(xí)也可以用于汽車(chē)工業(yè)。Schatsky介紹說(shuō)，有一家公司開(kāi)發(fā)了一種基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)，可以及早發(fā)現(xiàn)汽車(chē)的問(wèn)題。該系統(tǒng)能夠識(shí)別噪聲和振動(dòng)，并且利用偏離規(guī)范的任何偏差來(lái)解釋故障的性質(zhì)。它可以成為預(yù)測(cè)性維護(hù)的一部分，因?yàn)樗軌蚺卸ㄆ?chē)任何運(yùn)動(dòng)部件的振動(dòng)，并且可以發(fā)現(xiàn)汽車(chē)性能的微小變化。

機(jī)器學(xué)習(xí)技術(shù)

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)旨在模仿人腦中神經(jīng)元的結(jié)構(gòu)，每個(gè)人工神經(jīng)元都與系統(tǒng)內(nèi)的其他神經(jīng)元相連接。神經(jīng)網(wǎng)絡(luò)按層排列，一層的神經(jīng)元把數(shù)據(jù)傳遞給下一層的多個(gè)神經(jīng)元，如此繼續(xù)。最終，數(shù)據(jù)到達(dá)輸出層，在此，網(wǎng)絡(luò)給出解決問(wèn)題、識(shí)別對(duì)象的最佳猜測(cè)，等等。

神經(jīng)網(wǎng)絡(luò)在各行各業(yè)的應(yīng)用案例：

·Schatsky介紹說(shuō)，在生命科學(xué)和健康護(hù)理領(lǐng)域，它們可以用來(lái)分析醫(yī)學(xué)圖像以加速診斷過(guò)程和藥物發(fā)現(xiàn)過(guò)程。

·在電信和媒體領(lǐng)域，神經(jīng)網(wǎng)絡(luò)可以用于語(yǔ)言翻譯、欺詐檢測(cè)和虛擬助理服務(wù)。

·在金融服務(wù)領(lǐng)域，它們可以用于欺詐檢測(cè)、投資組合管理和風(fēng)險(xiǎn)分析。

·在零售業(yè)中，它們可以用來(lái)縮短結(jié)賬排隊(duì)長(zhǎng)度，實(shí)現(xiàn)顧客體驗(yàn)的個(gè)性化。

決策樹(shù)

決策樹(shù)算法旨在通過(guò)發(fā)現(xiàn)屬性相關(guān)的問(wèn)題來(lái)對(duì)項(xiàng)目進(jìn)行分類(lèi)，這有助于決定把項(xiàng)目放在哪個(gè)類(lèi)中。樹(shù)中的每個(gè)節(jié)點(diǎn)都是一個(gè)問(wèn)題，分支會(huì)帶來(lái)項(xiàng)目相關(guān)的更多問(wèn)題，而葉子是最終的分類(lèi)。

決策樹(shù)的應(yīng)用情形包括為客戶(hù)服務(wù)、定價(jià)預(yù)測(cè)和產(chǎn)品規(guī)劃構(gòu)建知識(shí)管理平臺(tái)。

商業(yè)和技術(shù)咨詢(xún)公司SPR的首席數(shù)據(jù)科學(xué)家Ray Johnson評(píng)論說(shuō)，當(dāng)保險(xiǎn)公司根據(jù)可能出現(xiàn)的風(fēng)險(xiǎn)來(lái)深入分析需要哪種類(lèi)型的保險(xiǎn)產(chǎn)品并調(diào)整保費(fèi)時(shí)，可以使用決策樹(shù)技術(shù)。通過(guò)把天氣相關(guān)的損失數(shù)據(jù)與位置數(shù)據(jù)相疊加，它能夠根據(jù)提交的索賠和支付金額來(lái)建立風(fēng)險(xiǎn)類(lèi)別。他說(shuō)，然后，它可以根據(jù)模型覆蓋范圍來(lái)評(píng)估新應(yīng)用，以提供風(fēng)險(xiǎn)類(lèi)別和可能的財(cái)務(wù)影響。

隨機(jī)森林

必須對(duì)單個(gè)決策樹(shù)進(jìn)行訓(xùn)練才能提供準(zhǔn)確的結(jié)果，而隨機(jī)森林算法則采用一組隨機(jī)創(chuàng)建的決策樹(shù)，這些決策樹(shù)基于不同的屬性集進(jìn)行決策，并允許它們對(duì)最受歡迎的類(lèi)進(jìn)行投票。

Epstein說(shuō)，隨機(jī)森林是在數(shù)據(jù)集中尋找關(guān)系的通用工具，而且訓(xùn)練起來(lái)也很快。例如，大量的垃圾電子郵件長(zhǎng)期以來(lái)一直是個(gè)問(wèn)題，不僅對(duì)用戶(hù)來(lái)說(shuō)是這樣，對(duì)于互聯(lián)網(wǎng)服務(wù)提供商也是如此，他們不得不處理服務(wù)器越來(lái)越高的負(fù)載。她說(shuō)，為解決這一問(wèn)題，已經(jīng)開(kāi)發(fā)出了從正常電子郵件中過(guò)濾掉垃圾郵件的自動(dòng)化方法，使用隨機(jī)森林來(lái)快速準(zhǔn)確地識(shí)別出不想要的電子郵件。

隨機(jī)森林的其他用途包括通過(guò)分析患者的病歷來(lái)識(shí)別疾病，檢測(cè)金融欺詐行為，預(yù)測(cè)呼叫中心的呼叫量，以及通過(guò)購(gòu)買(mǎi)某一股票來(lái)預(yù)測(cè)利潤(rùn)或者損失。

聚類(lèi)

聚類(lèi)算法使用K均值、均值平移和期望值最大化等技術(shù)，根據(jù)共享或者類(lèi)似的特征對(duì)數(shù)據(jù)點(diǎn)進(jìn)行分組。這是一種可以應(yīng)用于分類(lèi)問(wèn)題的無(wú)監(jiān)督式學(xué)習(xí)技術(shù)。

Schatsky說(shuō)，當(dāng)需要細(xì)分或者分類(lèi)時(shí)，聚類(lèi)技術(shù)特別有用。這方面的例子包括根據(jù)不同的特征對(duì)客戶(hù)進(jìn)行細(xì)分以便更好地分配營(yíng)銷(xiāo)活動(dòng)、向某些讀者推薦新聞文章，以及落實(shí)規(guī)章制度等。

聚類(lèi)還能夠有效地發(fā)現(xiàn)復(fù)雜數(shù)據(jù)集中的分組，而人眼并不能一眼看出這些分組。Epstein說(shuō)，這方面的例子包括對(duì)數(shù)據(jù)庫(kù)中類(lèi)似的文檔進(jìn)行分類(lèi)，以及從犯罪報(bào)告中識(shí)別犯罪熱點(diǎn)等。

關(guān)聯(lián)規(guī)則學(xué)習(xí)

關(guān)聯(lián)規(guī)則學(xué)習(xí)是推薦引擎中使用的一種無(wú)監(jiān)督式技術(shù)，用于查找變量之間的關(guān)系。

這是很多電子商務(wù)網(wǎng)站上“買(mǎi)X的人也會(huì)買(mǎi)Y”推薦的支撐技術(shù)，怎樣使用這類(lèi)技術(shù)的例子很常見(jiàn)。

Johnson說(shuō)，一種特定的應(yīng)用情形是希望促進(jìn)額外銷(xiāo)售的特色食品零售商。他會(huì)使用這種技術(shù)來(lái)分析客戶(hù)購(gòu)買(mǎi)行為，為產(chǎn)品慶?；顒?dòng)、運(yùn)動(dòng)隊(duì)等提供特殊的罐頭和包裝。關(guān)聯(lián)規(guī)則技術(shù)能夠揭示客戶(hù)何時(shí)何地購(gòu)買(mǎi)了自己最喜歡的產(chǎn)品組合。

Johnson說(shuō)，利用過(guò)去采購(gòu)的信息和時(shí)間順序，公司可以主動(dòng)地創(chuàng)建獎(jiǎng)勵(lì)計(jì)劃，并提供特殊的定制產(chǎn)品來(lái)促進(jìn)今后的銷(xiāo)售。