通俗的说，机器学习就是基于一些高度复杂的算法和技术，在一个非生命的物体、机器或系统中构建人类行为。制造一台能够符合数十亿用户期望的人脑复制品的机器绝不是一件容易的事。但也有一些项目正在解决基于情境、情感和思考等复杂的任务。
在深入研究机器学习功能的细节和精准度之前，先结合我们真实的日常生活总体感受一下，机器学习存在的重要性和意义：
银行、零售和电信
- 潜在客户和合作伙伴
- 客户满意度指数(基于关系、交易、营销活动等)
- 欺诈、浪费和滥用索赔
- 预测信用风险和信誉
- 营销活动的有效性(比如提议被多少人接受了?被多少人拒绝了?有没有决定性的影响因素?
- 交叉销售和建议(例如，电商网站告诉你“购买这个产品的消费者同时也购买了那个产品”)
- 联络中心(帮助客服代表在与客户的通话中获取相关数据)
医疗保健和生命科学
- 扫描、筛选和生物识别
- 基于混合成分的药物
- 基于症状、患者记录和实验室报告的诊断和补救
- 根据药物、患者、地理位置、气候条件、过往病史、食物摄入等数据的AECP(不良事件病例处理)情景。
一般
- 文字或语音书写识别
- 调试、故障排除和解决方案向导
- 过滤垃圾邮件
- 短信和邮件分类或建议
- 支持问题并丰富KeDB(知识错误数据库)
- 朋友和同事推荐
- 无人驾驶，通过构建人工智能和算法
- 图像处理
安全
- 手写、签名、指纹、虹膜/视网膜识别和验证
- 人脸识别
- DNA模式匹配
结论
对于人类的头脑来说，反复数十亿次的不间断处理数据，必然是会感到厌倦的，这就是机器学习算法发挥关键作用的地方。
简单粗暴的说：大数据+机器学习=天下无敌!
