基于大數(shù)據(jù)技術(shù)的機器學(xué)習(xí)算法研究探討

陳振宇

摘要：隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展進(jìn)步，我國的大數(shù)據(jù)技術(shù)取得了顯著的發(fā)展效果。同時，大數(shù)據(jù)技術(shù)也充分運用到了各個領(lǐng)域和行業(yè)中，推動了相關(guān)行業(yè)的改革發(fā)展。為了促進(jìn)人工智能的發(fā)展，需要充分利用大數(shù)據(jù)技術(shù)，而機器學(xué)習(xí)是人工智能中的一部分，所以就可以在大數(shù)據(jù)技術(shù)的基礎(chǔ)上進(jìn)行機器學(xué)習(xí)，加強對算法方面的研究分析。因此，本文對機器學(xué)習(xí)內(nèi)涵進(jìn)行了初步的分析，從而也進(jìn)一步探究了基于大數(shù)據(jù)進(jìn)行機器學(xué)習(xí)的幾種應(yīng)用。通過將大數(shù)據(jù)技術(shù)進(jìn)行充分應(yīng)用，可以對各種數(shù)據(jù)進(jìn)行收集和統(tǒng)計分析，將大數(shù)據(jù)系統(tǒng)引入到機器學(xué)習(xí)中，能夠有效進(jìn)行大數(shù)據(jù)計算，提高機器學(xué)習(xí)的深度和廣度。

關(guān)鍵詞：大數(shù)據(jù)技術(shù);機器學(xué)習(xí);算法

數(shù)據(jù)分析是建立在統(tǒng)計學(xué)的基礎(chǔ)上的，最開始的時候統(tǒng)計學(xué)普遍用于大規(guī)模的數(shù)據(jù)分析處理中。人工智能可以利用計算機等進(jìn)行一些功能性的操作，能夠有效地展現(xiàn)出人類的智慧。機器學(xué)習(xí)是人工智能中的一部分，其主要目標(biāo)就是為了讓機器能夠不進(jìn)行編程，就可以自動學(xué)習(xí)，并且解決特定對象的問題。大數(shù)據(jù)分析和機器學(xué)習(xí)之間的關(guān)系是非常緊密的，在相關(guān)領(lǐng)域中將這些技術(shù)進(jìn)行充分應(yīng)用，能夠?qū)崿F(xiàn)獨特的功能。大數(shù)據(jù)處理分析與機器學(xué)習(xí)技術(shù)進(jìn)行有效的結(jié)合與運用，能夠解決現(xiàn)實生活中在各個領(lǐng)域的同一性質(zhì)問題。

一、機器學(xué)習(xí)分析

在現(xiàn)代社會中，科學(xué)技術(shù)不斷發(fā)展，誕生了人工智能，因此也出現(xiàn)了機器學(xué)習(xí)。機器學(xué)習(xí)作為人工智能中的重要內(nèi)容，其中的內(nèi)涵是非常豐富的，需要將多個領(lǐng)域以及學(xué)科進(jìn)行交叉與融合。機器學(xué)習(xí)能夠充分利用自我學(xué)習(xí)算法，對人類的學(xué)習(xí)行為進(jìn)行模擬，或者將人類的學(xué)習(xí)行為全面地展示出來。在機器學(xué)習(xí)中，可以通過自我學(xué)習(xí)算法，對原本的知識結(jié)構(gòu)進(jìn)行重組，從而獲取到新的知識，認(rèn)識到更多新的性能。機器學(xué)習(xí)能夠用機器來模擬人類的學(xué)習(xí)活動，對現(xiàn)有的各種知識進(jìn)行理解，并且掌握到新的知識和技能。隨著機器學(xué)習(xí)的不斷發(fā)展，其中所涉及到的數(shù)據(jù)量變得越來越大，以往所設(shè)置的單機計算機系統(tǒng)已經(jīng)無法滿足大量數(shù)據(jù)分析的需求，所以就誕生了云計算技術(shù)，在機器學(xué)習(xí)中進(jìn)行了充分的應(yīng)用和推廣。

二、基于大數(shù)據(jù)技術(shù)的機器學(xué)習(xí)

（一）基于大數(shù)據(jù)技術(shù)的機器學(xué)習(xí)模型準(zhǔn)確性提升

大數(shù)據(jù)分析主要就是將各種數(shù)據(jù)進(jìn)行充分應(yīng)用，機器學(xué)習(xí)就是描述方法，從許多的原始數(shù)據(jù)中尋找到具有價值的知識和規(guī)律。在進(jìn)行機器學(xué)習(xí)的時候，需要從許多的數(shù)據(jù)中獲取到有效的經(jīng)驗和提高與改善性能的方法，是利用大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)挖掘中所普遍使用的一種學(xué)習(xí)方法，才能夠?qū)崿F(xiàn)一定程度上的人工智能。大數(shù)據(jù)主要是對各種數(shù)據(jù)進(jìn)行描述和分析，從數(shù)據(jù)的類型和數(shù)據(jù)量等各個角度，采取相應(yīng)的方法對數(shù)據(jù)進(jìn)行全面分析和描述。保障數(shù)據(jù)分析的一致性和資源調(diào)度等特點，才能夠展現(xiàn)出大數(shù)據(jù)技術(shù)的作用和價值。通過對數(shù)據(jù)中的價值進(jìn)行充分利用，就能夠推動機器學(xué)習(xí)的開展。面對越來越龐大的數(shù)據(jù)，在機器學(xué)習(xí)模型建設(shè)的時候，為了提高模型建設(shè)的準(zhǔn)確性，就需要使用到龐大的數(shù)據(jù)量。而數(shù)據(jù)量變得越來越大，也會使得模型更加復(fù)雜，計算機學(xué)習(xí)算法的計算時間復(fù)雜度變得越來越高，所以就需要使用到分布式計算和內(nèi)存計算等大數(shù)據(jù)的關(guān)鍵技術(shù)。讓大數(shù)據(jù)技術(shù)與機器學(xué)習(xí)相輔相成，相互推動。

（二）在機器學(xué)習(xí)中可以對更高級的數(shù)據(jù)進(jìn)行分析

機器學(xué)習(xí)是具有較強實用價值的，可以對自學(xué)習(xí)數(shù)據(jù)進(jìn)行充分的挖掘，采取相關(guān)措施進(jìn)行數(shù)據(jù)分析處理，可以使用算法來解決相關(guān)的問題。一般情況下，沒有設(shè)定相應(yīng)的主體，主要是通過統(tǒng)計學(xué)習(xí)SVM等各種算法，所使用的主要工具是Hadoop，對相關(guān)數(shù)據(jù)進(jìn)行計算，在計算的基礎(chǔ)上，將結(jié)果進(jìn)行全面分析，從而能夠?qū)ξ磥戆l(fā)展趨勢進(jìn)行預(yù)測，將更高級別的數(shù)據(jù)進(jìn)行有效的分析。

（三）機器學(xué)習(xí)分析數(shù)據(jù)中的關(guān)系，獲得樣本的規(guī)律

隨著機器學(xué)習(xí)的不斷發(fā)展和完善，已經(jīng)在自動駕駛和語音識別等各個方面有著大量的應(yīng)用。機器學(xué)習(xí)讓計算機可以進(jìn)行自主學(xué)習(xí)，通過相關(guān)的算法，對數(shù)據(jù)中的關(guān)系進(jìn)行分析，從而掌握到相應(yīng)的規(guī)律，對規(guī)律進(jìn)行全面分析，就能夠預(yù)測到新的樣本。例如，在進(jìn)行自動駕駛的時候，就需要相關(guān)系統(tǒng)能夠?qū)煌?biāo)志進(jìn)行識別。所以就需要讓機器學(xué)習(xí)算法來學(xué)習(xí)交通標(biāo)志，所以就需要將大量的交通標(biāo)志圖片納入到數(shù)據(jù)系統(tǒng)中，然后再通過機器學(xué)習(xí)中的深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識別訓(xùn)練，從而生成相應(yīng)的模型。在進(jìn)行自動駕駛的時候，就可以通過利用相應(yīng)的模型，使用攝像頭對交通標(biāo)志進(jìn)行反復(fù)驗證和優(yōu)化，就能夠提高交通標(biāo)志識別的精準(zhǔn)度。

結(jié)語：總的來說，隨著現(xiàn)代科學(xué)技術(shù)的不斷改革發(fā)展，大數(shù)據(jù)技術(shù)在各個領(lǐng)域中得到了廣泛的應(yīng)用，通過將大數(shù)據(jù)分析技術(shù)融入到機器學(xué)習(xí)技術(shù)中，能夠進(jìn)行有效的智能控制，提供大量的個性化推薦等等。通過對原始的數(shù)據(jù)進(jìn)行收集和轉(zhuǎn)換，采取有效的方式進(jìn)行處理，就能夠?qū)⑵滢D(zhuǎn)換為相關(guān)的信息作為后期進(jìn)行決策的判斷標(biāo)準(zhǔn)和依據(jù)。大數(shù)據(jù)技術(shù)和機器學(xué)習(xí)之間是具有較強關(guān)聯(lián)性的，大數(shù)據(jù)分析處理可以將數(shù)據(jù)中隱藏的各種信息全面提取出來，有利于后期的決策和執(zhí)行工作的開展。機器學(xué)習(xí)過程中，通過使用大數(shù)據(jù)技術(shù)進(jìn)行理論分析，能夠在應(yīng)用過程中進(jìn)行優(yōu)化，讓機器學(xué)習(xí)轉(zhuǎn)變?yōu)榇髷?shù)據(jù)分析的重要技術(shù)。

參考文獻(xiàn)：

[1]沈鴻藝，岳子祺，陳名芮，劉家熳，蔡俊亮.人工智能時代自主類算法共謀的規(guī)范監(jiān)管[J].市場周刊，2018，33（8）：164-168.

[2]吳悅文，吳恒，任杰，張文博，魏峻，王燾，鐘華.面向大數(shù)據(jù)分析作業(yè)的啟發(fā)式云資源供給方法[J].軟件學(xué)報，2020，31（6）：1860-1874.

[3]蔣胤傑，況琨，吳飛.大數(shù)據(jù)智能：從數(shù)據(jù)擬合最優(yōu)解到博弈對抗均衡解[J].智能系統(tǒng)學(xué)報，2019，15（1）：175-182.

[4]黃猛.基于大數(shù)據(jù)和機器學(xué)習(xí)模型的風(fēng)力發(fā)電機組健康管理研究[J].機械制造，2017，55（8）：37-39.