机器学习的最终目的是解决以下方面的问题:
1. 分类
例如识别图像中的对象、判断文本新闻属于什么类别等。
2. 回归
例如预测房价、预测股票价格等。预测连续值的问题。
3. 聚类
例如将 customer 数据分组、将图像中的物体分组等。
4. 协调过滤
例如给用户推荐商品、推荐朋友等。
5. 推荐系统
利用用户历史行为对用户进行兴趣预测,进行个性化推荐。
6.异常检测
例如监测设备性能、检测网络intrusion等。
7. 生成模型
例如生成文字、图像、音频等。
8.降维
将高维数据降低到低维的空间,方便后期处理。
9. 表示学习
学习数据的内在表示,方便后期使用。
10. Reinforcement Learning
机器在和环境的交互中能获得最大回报。
总的来说,机器学习主要用于解决:
- 分类回归问题
- 聚类分析问题
- 推荐系统
- 异常检测
- 生成模型问题
- 数据降维问题
- 表示学习
- 强化学习问题
覆盖了许多实际需求,已经在很多领域找到了应用。