了解机器学习、数据挖掘、人工智能的关系。

 

人工智能是计算机科学的一个分支,机器学习是计算机科学和统计学的交叉学科。数据挖掘是机器学习和数据库的交叉。数据挖掘利用机器学习的技术来分析海量数据,人工智能也用机器学习的方法解决问题。如:个性化推荐,就是通过机器学习的一些算法、技术分析平台上的各种购买,浏览和收藏日志的海量数据,得到一个推荐模型,来预测你喜欢的商品。

 

人工智能Artificial Intelligence:缩写为AI,是计算机科学的一个分支。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括语音识别、图像识别、机器人、自然语言处理、智能搜索和专家系统等。人工智能不是人的智能,但能像人那样思考,有可能超过人的智能。

机器学习Machine learning:机器学习(Machine Learning)是指用某些算法指导计算机利用已知数据得出适当的模型,并利用此模型对新的情境给出判断的过程。是人工智能的核心研究领域之一,是计算机科学和统计学的交叉学科,基本目标是学习一个x->y的函数(映射),来做分类或者回归的工作。现在好多数据挖掘的工作是通过机器学习提供的算法工具实现。如个性化推荐,还是通过机器学习的一些算法分析平台上的各种购买,浏览和收藏日志,得到一个推荐模型,来预测你喜欢的商品。任何通过数据训练的学习算法的相关研究都属于机器学习,包括很多已经发展多年的技术,比如线性回归(Linear Regression)、K均值(K-means,基于原型的目标函数聚类方法)。

数据挖掘Data mining:是识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。大体上看,数据挖掘可以视为机器学习和数据库的交叉,它主要利用机器学习界提供的技术来分析海量数据,利用数据库界提供的技术来管理海量数据。

推荐算法:机器学习是方法,人工智能/数据挖掘是应用,可以使用机器学习,也可以使用别的方法。数据挖掘有很多应用场景,推荐系统是其中一个业务目的明确的, 有一定历史的,成体系的,已经形成较为完善的经验积累的应用场景。推荐系统里讲的机器学习算法更贴近推荐业务,侧重于算法应用,应用效果,对具体业务指标的影响,给整个系统带来的局限或提升等等。

展开阅读全文

没有更多推荐了,返回首页