机器学习
什么是机器学习
机器学习是计算机程序可以学习和适应新数据而不受人为干扰的概念。机器学习是人工智能(AI)领域,无论全球经济的变化如何,它都能使计算机的内置算法保持最新状态。
机器学习
各个经济部门正在处理来自不同来源的不同格式的大量数据。由于逐步使用技术,大量数据(称为大数据)变得易于获取和访问。公司和政府意识到通过利用大数据可以获得的巨大见解,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测量来收集,处理,交流和共享来自数据集的有用信息。越来越多地用于大数据处理的AI的一种方法是机器学习。
机器学习应用
机器学习的各种数据应用是通过内置于机器或计算机中的复杂算法或源代码形成的。此编程代码创建一个模型,用于标识数据并围绕其标识的数据构建预测。该模型使用算法中内置的参数来为其决策过程形成模式。当新的或附加数据可用时,算法会自动调整参数以检查模式更改(如果有)。但是,模型不应该改变。
由于各种原因,机器学习被用于不同的部门。可以校准交易系统以识别新的投资机会。可以调整营销和电子商务平台,以根据用户的互联网搜索历史或先前的交易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涵盖来自世界各地的大量新闻报道。银行可以通过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,将机器学习纳入数字化时代是无穷无尽的。
机器学习如何运作
如何通过金融界的例证来更好地解释机器学习的工作原理。传统上,证券市场的投资者,如金融研究人员,分析师,资产管理者,个人投资者,都会搜索来自世界各地不同公司的大量信息,以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,并且可能只对少数具有公司员工或信息来源国家居民优势的人有所了解。此外,人类可以在给定的时间范围内收集和处理的信息非常多。这就是机器学习的用武之地。
一个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票。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,并且收集的这些信息构成了数据集。公司的资产管理者和研究人员无法利用他们的人力和知识来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的数据,勘探部门的监管政策以及选定国家的政治事件。据一家矿业公司XYZ刚刚在南非的一个小镇发现了一个钻石矿,机器学习应用程序会将其作为相关数据加以强调。预测分析可以预测采矿业是否会在一段时间内盈利,或者哪些矿业股票在某个时间内可能会增值。
该信息被转发给资产经理,以分析并为其投资组合做出决策。资产管理人可能会决定向XYZ股票投入数百万美元。
在南非矿工罢工等不利事件发生后,计算机算法会自动调整其参数以创建新模式。这样,即使在世界事件发生变化的情况下,机器内置的计算模型也保持最新,并且无需人工调整其代码以反映变化。由于资产经理按时收到这些新数据,他可以通过退出股票来限制他的损失。