机器学习是一种能够实现人工智能的技术

我所理解的机器学习是一种能够实现人工智能的技术，建立能从经验（数据）中进行学习的模型，从而使这个模型可以达到自行处理此类数据的能力。

也可以理解为：通过大量的数据，训练出一个能处理此类数据的模型，使得这个模型可以根据已知的数据，准确率很高的判断出未知的数据，从而使得人类能够采取正确的方法去处理某些事情。

想要了解机器学习你需要知道以下几点：

一、机器学习的流程

从实际的应用场景出发，要训练出来一个能够适应某场景的模型需要经过以下几步：

1. 场景解析

场景解析就是将业务逻辑，抽象成为通过算法能够解决的问题。

比如：做一个心脏病预测系统，那么就可以抽象为二分类问题——要么有心脏病，要么没有；然后，根据已有的数据看看有没有目标值，可以判断出：是监督学习还是无监督学习，还是半监督学习；从而，选择出能够处理好此类数据的算法。

（不同场景采用的算法是不同的）高频的有以下几种类型的场景：

• 分类场景：广告投放预测，网站用户点击预测。
• 聚类场景：人群划分，产品种类划分。
• 回归场景：商品购买量预测和股票成交额预测。
• 文本分析类场景：新闻的标签提取，文本自动分类和文本关键信息抽取。
• 关系图算法：社交网络关系，网络关系挖掘和金融风险控制。
• 模式识别：语音识别，图像识别和手写文字识别。

2. 数据预处理

场景解析完，选择适合处理此类数据的算法后，需要对数据进行预处理——就是对数据进行清洗工作，对空值、乱码进行处理。

数据预处理的主要目的就是：减少噪音数据对训练数据的影响。

3. 特征工程

特征工程是机器学习中最重要的一部分，因为根据已有的训练数据，可选用的算法是有限的；那么在同样的算法下特征的选取是不同的，100个人对一件事情会有100种看法，也就有100种特征，最后特征的质量决定模型的好坏。

特征工程需要做的包括：特征抽象、特征重要性的评估、特征衍生、特征降维。

4. 模拟训练

在经过以上过成后，进入训练模块，生成模型。

5. 模型评估

对生成模型的成熟度进行评估。

6. 离线/在线服务

在实际运用过程中，需要配合调度系统来使用。

案例场景：每天将用户当日新增的数据量流入数据库表里，通过调度系统启用离线训练服务，生成最新的离线模型，然后通过在线预测服务进行实时预测。

二、数据源结构

结构化数据：机构化数据是指以矩阵结构储存的数据。

结构化数据中，有两个重要的概念需要介绍一下：特征列和目标列。

上图里age，sex，cp列都是特征列，ifhealth是目标列。

非结构化数据：典型的非结构化数据是图像、文本、语音等文件；这些数据不能以矩阵的结构储存，目前的做法也是通过把非结构化的数据转化为二进制储存格式。

半结构化数据：半结构化数据是指按照一定的结构储存，但不一定是二维的数据库行存储形态的数据；还有一种是以二维数据形态储存的，但某些字段是文本类型，某些字段是数值类型的，如下图：