聊聊机器学习的概念和应用场景
Posted 数据分析与人工智能
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了聊聊机器学习的概念和应用场景相关的知识,希望对你有一定的参考价值。
人工智能
(Artificial Intelligence)泛指模仿人类智能或思考方法的计算机系统。
目前,人工智能在绝大多数情况下是以
机器学习
的(Machine Learning)方法应用在商业实践中的。IT DA团队致力于向用户提供可靠的机器学习运行环境与解决方案。
如今,机器学习已经不仅仅是一个技术热词,也是人们生活的
新常态
,更是企业维持其
竞争优势
的重要工具。无论你是观看一集影视剧,或是在线购买一样商品,机器学习都在背后发挥着重要作用。而在企业竞争中,机器学习的自动化运行模式、高效的计算方式、富有指导意义的结果,更是大幅度地提升了企业的
决策效率
与
运营效率
。
那么你能用机器学习做些什么呢?
机器学习已经在商业领域得到了广泛的应用,支持着企业的各类业务目标与应用场景,主要包括:异常检测、动态定价、图像识别、推荐系统、预测性分析、客户流失建模、客户终身价值建模等方面。
目前常用的机器学习算法主要包括
监督学习、无监督学习
。监督学习要求计算机处理
给定输出
数据;无监督学习处理的是
未给定输出
的数据。
1. 监督机器学习
Supervised Machine Learning
监督学习
指的是计算机从
有标记的训练数据
中学习一种模式(函数),并用该模式来
预测新的数据
。
使用者首先告诉算法它需要得出什么样的结论、输出什么样的结果,然后算法将学习数据来尝试得出最好的解决方法。
监督学习就像是员工通过阅读物料画册来记住每种物料的特点,学习如何分辨物料。
常用的监督学习算法包括
线性回归、逻辑回归、支持向量机、决策树
等。
监督学习示意图
2. 无监督机器学习
Unsupervised Machine Learning
无监督学习
指的是计算机根据
没有标记的数据
进行训练,并探索数据的
隐藏模式
。
在这个过程中,使用者事先
不会给计算机设定目标
,而是让计算机自己从数据中挖掘隐藏的模式或者对数据进行分组。显然,这类任务中,计算机
的处理更加独立
,但这也意味着我们
无法量化结果的有效性
。
继续用物料的清单作为例子,无监督学习类似于在没有准确的物料清单的情况下,员工通过观察零部件的形状、大小、图案来识别分辨零部件。员工需要比对不同部件之间的相似性来进行分组,并为每个小组分配新的标签。尽管上述场景在现实中不那么常见,但无监督学习的逻辑在用户分类等领域表现出显著的实用性。
常见的无监督学习算法包括
K聚类法
和
主成分分析法
。
在中,我们为大家介绍了8个西门子优秀的数据分析应用案例。接下来,我们将通过其中的
“低压发动机预测性分析”
及
“THT板自动光学检查”
两个案例来介绍机器学习在西门子工厂的具体应用场景。
Predictive Analytics for Low
Voltage Motors
机器学习强大的
预测能力
将帮助企业作出富有前瞻性的
主动决策
,而不是基于历史数据进行简单的预测或者消极地响应市场变化。
例如,应用机器学习对低压发动机提供维保预测分析。通过预测发动机的运行状况与停机时间,工厂能提前了解低压发动机的维修需求,并预先订购维修所需的零部件、制定维修计划,来更好地提供维修服务。这种方法不仅提高了生产率,还改善了工厂内部的资源配置状况,并更好地服务用户。
2. THT板光学检查
THT: Through Hole Technology - status
机器学习的
图像识别能力
在各种领域有着巨大的应用潜力,可以
高速地识别图像的信息
,以完成错误识别、疾病诊断等任务。
例如,西门子基于机器学习与计算机视觉的自动光学检查项目。机器在装配工作区直接拍摄并分析THT板的图片。计算机能够通过判断组件位置来纠正早期装配过程的错误。组装人员可以更快速地发现装配错误,并进行纠正,这可以极大地节省生产成本。
我们将在之后的文章中进一步介绍机器学习的应用场景,敬请期待我们的下一篇推文!
以上是关于聊聊机器学习的概念和应用场景的主要内容,如果未能解决你的问题,请参考以下文章
机器学习 之 线性回归 概念总结速记
机器学习的基本概念
聊聊机器人学习中的“投资”与“消费”(节选)
机器学习基础
聊聊机器学习中的无监督学习
聊聊机器人学习中的“投资”与“消费”(节选)