不一样的程序猿■如何使用这项技术？，机器学习到底是什么( 三 )
有了合理预期的前提下 ， 要选择适当的方向来应用机器学习模型 。 一般情况下 ， 我们建议从「问题定义明确 ， 数据储量充沛 ， 能提供关键价值」的方向入手 ， 每次尝试解决一个重要小问题 。 比如预测一个公司的营收就比预测它的股价发展要容易一些 ， 因为后者还会受到更多复杂因素的影响 。 选择对的问题比努力有时候还要更重要 。
利用现有工具 ， 避免重复开发 。 市面上已经有了很多针对各种任务的工具库和成功的解决方案 。 比如通用机器学习工具库Sklearn ， 更偏向深度学习的TensorFlow和PyTorch ， 分布式机器学习PySpark ， 图形式（无需编程）的平台MLStudio ， 各种针对视觉、自然语言的API服务[2,3] 。 使用这些已有的成熟的工具 ， 很多时候可以快速判断是否值得投入使用机器学习 。 5.总结
总结来看 ， 机器学习可以被看做是一种与人类思维有异曲同工的学习方法 ， 各有擅长之处 。 进入二十一世纪后 ， 随着硬件与数据量的发展 ， 高精度的机器学习模型正在变为可能 ， 特别是在机器视觉和自然语言领域已经有了很多突破 。 即使如此 ， 我们也还是要认识到它不是个新概念 ， 也不会让每个人都失业 。 从实际角度出发 ， 机器学习模型的结果跟问题的复杂度、可用数据量 ， 以及正确的评估方法都有很大的关系 。 从应用角度出发 ， 传统企业应该从「问题定义明确 ， 数据处理大 ， 利润率高的问题」出发 ， 引入混合模型 ， 即同时使用人为的经验与机器学习进行预测 。 从降低成本的角度出发 ， 要善用已有的工具与成熟的模型 ， 快速迭代 。
推荐阅读
- 人民网@【战“疫”说理】疫情防控中如何有效实现经济复苏？
- 宇信科技共享“员工健康打卡”程序助力复工复产
- 『车家号』高低功率如何选？后期改装就能“低变高”了吗？，同一款发动机
- 「右手网」Google Assistant 可以准备“快捷方式”和支持的应用程序的内置列表，新的
- 手机、眼镜如何消毒？清洁要从细节做起
- 『音频』iOS如何导入百度云的音频（易剪和易剪多轨版）
- 十大突破性技术-NMN，叫你如何选择最好的NMN
- 妙家影视■如何计算低压开关柜铜排用量？这是我见过最漂亮的文章！
- 「史今中外s」潜伏大陆40年没被发现，结局如何？，女特务为隐藏身份嫁给农民
- 【妙家影视】如何计算低压开关柜铜排用量？这是我见过最漂亮的文章！