机器学习

什么是机器学习？

机器学习是计算机程序无需人工干预即可学习和适应新数据的概念。机器学习是人工智能 (AI) 的一个领域，它使计算机的内置算法保持最新，而不受全球经济变化的影响。

理解机器学习

经济的各个部门都在处理来自不同来源、以不同格式提供的大量数据。由于技术的进步使用，特别是先进的计算能力和云存储，被称为大数据的大量数据变得容易获得和访问。公司和政府意识到利用大数据可以获得巨大的洞察力，但缺乏梳理其丰富信息所需的资源和时间。因此，不同行业正在采用人工智能措施来收集、处理、交流和共享数据集中的有用信息。越来越多地用于大数据处理的一种人工智能方法是机器学习。

机器学习的各种数据应用是通过机器或计算机内置的复杂算法或源代码形成的。此编程代码创建一个模型，该模型可识别数据并围绕它识别的数据构建预测。该模型使用算法中内置的参数来形成其决策过程的模式。当新数据或附加数据可用时，算法会自动调整参数以检查模式变化（如果有）。但是，模型不应该改变。

机器学习的用途

由于各种原因，机器学习被用于不同的领域。可以校准交易系统以识别新的投资机会。营销和电子商务平台可以根据用户的互联网搜索历史或以前的交易进行调整，以向其用户提供准确和个性化的推荐。贷款机构可以结合机器学习来预测不良贷款并建立信用风险模型。信息中心可以使用机器学习来报道来自世界各地的大量新闻报道。银行可以利用机器学习技术创建欺诈检测工具。随着企业和政府越来越意识到大数据带来的机遇，机器学习在数字化时代的结合是无穷无尽的。

##机器学习的应用

金融界的一个例子可以更好地解释机器学习的工作原理。传统上，证券市场的投资参与者，如金融研究人员、分析师、资产经理和个人投资者，会通过来自世界各地不同公司的大量信息来做出有利可图的投资决策。但是，某些相关信息可能不会被媒体广泛宣传，并且可能只有少数具有成为公司雇员或信息来源国居民优势的少数人知道。此外，在给定的时间范围内，人类可以收集和处理的信息只有这么多。这就是机器学习的用武之地。

资产管理公司可以在其投资分析和研究领域使用机器学习。假设资产经理只投资矿业股。系统内置的模型扫描网络并收集来自企业、行业、城市和国家的所有类型的新闻事件，收集的这些信息构成了数据集。该公司的资产管理人员和研究人员无法利用他们的人力和智力获取数据集中的信息。与模型一起构建的参数仅从数据集中提取有关采矿公司、勘探部门的监管政策以及选定国家/地区的政治事件的数据。

机器学习示例

假设矿业公司 XYZ 刚刚在南非的一个小镇发现了一个钻石矿。专注于矿业公司的资产经理手中的机器学习工具会将其作为相关数据突出显示。然后，机器学习工具中的模型将使用一种称为预测分析的分析工具，根据发现的最新信息，没有资产经理的任何输入。这些信息被转发给资产经理，以分析他们的投资组合并做出决定。然后，资产经理可能会决定将数百万美元投资于 XYZ 股票。

在发生不利事件后，例如南非矿工罢工，计算机算法会自动调整其参数以创建新模式。这样，即使世界事件发生变化，机器中内置的计算模型也能保持最新状态，无需人工调整代码以反映变化。由于资产管理人及时收到了这些新数据，他们能够通过退出股票来限制损失。

＃＃ 强调

• 机器学习有助于解析世界上始终如一且随时可用的大量信息，以协助决策制定。

• 计算机中内置了一个复杂的算法或源代码，允许机器识别数据并围绕它识别的数据构建预测。

• 机器学习可应用于各种领域，例如投资、广告、借贷、组织新闻、欺诈检测等。

• 机器学习是人工智能 (AI) 的一个领域，其概念是计算机程序可以在无需人工干预的情况下学习和适应新数据。