机器学习概览之商业理解

02 | 商业理解

-理解商业

要对你要解决的问题有一个清晰的认识，为了你解决问题的目标它如何影响你的计划。在这个阶段的任务主要包括如下几点：

1. 明确你的商业目的
2. 评估你的处境
3. 定义你的数据挖掘目标
4. 制定你的项目计划

-如何开始呢？

问一个你能用数据回答的问题是一个不错的开始。

-问一个尖锐的问题

-尖锐问题

尖锐问题可以以名字或者数字回答         

1. 我的股票价格下周会是多少？          
2. 我的车队中哪辆车会先失败？          

-模糊问题                               

模糊问题一般不能以名字或者数字回答      

1. 如何才能增加我的收益？              
2. 我的数据能告诉什么关于我的生意？    

一旦你确定了你的问题，检查你的数据中是否有答案的样本

1. 样本中的答案叫做目标，即是我们要预测未来数据的点，无论它是一个类别还是一个数字
2. 如果你没有这么多目标数据，那么你要获取一些。没有它你是无法回答你的问题的。

-重新制定你的问题

你如何去问问题是一个选择算法的线索，可以给你答案。

重新制定问题

你可以重新提出你的问题，使用能给你最有用答案的算法

有时候你会重述你的问题以获得更有用的答案

1. 问题：“是数据点A或者B？”预测事物的类别（者名字或者标签）。我们可以用一个分类算法回答它。
2. 问题：“多大？”或者“多少？”预测一个数。我们可以用回归算法回答它。

-数据科学能回答的五个问题

也许使你惊讶，但是数据科学只回答这五个问题。

1. 是A或者B?
2. 异常？
3. 多大或者多少？
4. 如何组织？
5. 下一步该做什么？

附视频链接：https://azure.microsoft.com/en-us/resources/videos/data-science-for-beginners-series-the-5-questions-data-science-answers/

-问题1：A or B

使用分类算法

例如：

1. 下一个1000米这个轮胎会抛锚吗？YES or NO？
2. 哪一个会带来更多的客户：五元优惠券还是一个25的折扣？

-问题2：异常吗？

使用异常检测算法算法

1. 信用卡公司分析了你的购物模式，所以他们确定可能的欺诈
2. 在一个商店消费你不常买的商品或者不常规的价格可能是一个异常。

-问题3：多大或多少？

使用会对算法

回归算法会做出数值预测比如：

1. 下周二的天气温度如何？
2. 我的第四季度销售额多少？

通过问一些数字可以帮助回答这些问题。

-问题4：如何组织？

使用聚类算法

常见的聚类问题如下：

1. 哪些观众喜欢同类型的电影？
2. 哪些打印机模式同样失败？

有时候你想要了解数据集的结构-它们是如何组织的？对于这个问题，你也没有已经知道结果的样本。有很多方式去得到数据结构，一种方式是聚类，它把数据自然分成几块，更容易理解。关于聚类，没有一个准确的答案。

-问题5：我应该做什么？

利用强化学习算法

问题的答案总是关于下一步应该采取什么行动或方法，通常情况下是利用机器或者机器人。例如：

1. 如果我是一辆自动驾驶汽车：在黄灯亮时，刹车还是加速？
2. 对于一个吸尘器机器人：保持吸尘或者回去充电？

强化学习算法从结果中学习，并决定下一步的行动。典型的，强化学习非常适用于必须要做很多无需人指导的决策自动系统