数据智能与应用 (6).ppt

第二章数据智能之发展

第三节从机器学习到数据智能1

一、机器学习与数据智能2联系：对于大数据而言，机器学习是不可或缺的机器学习的兴盛也离不开大数据的帮助大数据与机器学习是互相促进，相依相存的关系。区别：机器学习仅是数据智能分析方法的一种：大数据，小分析：即数据仓库领域的OLAP分析思路，也就是多维分析思想。大数据，大分析：这个代表的就是数据挖掘与机器学习分析法。流式分析：这个主要指的是事件驱动架构。查询分析：经典代表是NoSQL数据库。大数据的核心是利用数据的价值机器学习是利用数据价值的关键技术

二、从机器学习到数据智能3机器学习的最佳应用——大数据在2010年以前，机器学习的应用在某些特定领域发挥了巨大的作用，如车牌识别，网络攻击防范，手写字符识别等等从2010年以后，随着大数据概念的兴起，机器学习大量的应用都与大数据高度耦合，几乎可以认为大数据是机器学习应用的最佳场景机器学习领域一般将此类识别问题转化为分类问题

二、从机器学习到数据智能4机器学习的最佳应用——大数据经典应用案例：Google利用数据智能预测了H1N1在某小镇的爆发百度精准预测2014年世界杯淘汰赛结果

二、从机器学习到数据智能5对于机器学习而言，越多的数据会越可能提升模型的精确性成功的机器学习应用不是拥有最好的算法，而是拥有最多的数据！大数据下的机器学习机器学习数据智能关键技术提升精度

二、从机器学习到数据智能6大数据下的机器学习相比传统的机器学习，大数据下的机器学习大大扩充了样本的数量数据的采集和量级已经不再是阻碍大数据研究的主要问题分析数据之间的关系才是目前大数据所面临的主要挑战具有多个隐藏层的神经网络被称为深度神经网络基于深度神经网络的学习研究称之为深度学习机器学习深度学习新的方向促进发展

二、从机器学习到数据智能7机器学习的新方向：深度学习多隐层的神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类转变了解决问题的思维传统机器学习算法深度学习算法

二、从机器学习到数据智能8机器学习的新方向：深度学习2012年6月，GoogleBrain在语音识别和图像识别等领域获得了巨大成功2012年11月，微软的同声传译系统，自动完成语音识别、英中机器翻译，以及中文语音合成，效果非常流畅2013年1月，百度研究院成立，第一个重点方向就是深度学习，并为此成立深度学习研究院(IDL)。2013年4月，《麻省理工学院技术评论》杂志将深度学习列为2013年十大突破性技术(BreakthroughTechnology)之首。基于深度学习的发展极大的促进了机器学习的地位提高深度学习成为数据智能分析的有力工具