什么是机器学习 (ML)

借助机器学习，企业能够使数据教会系统如何使用机器学习算法解决眼前的问题，以及如何随着时间的推移不断改进。

如今的企业都在面临着海量数据的 “轰炸”。为了制定更好的业务决策，他们必须弄清数据的含义。 但是，庞大的数据量以及数据复杂度导致使用传统工具难以分析数据。构建、测试、迭代和部署分析模型以识别数据中的模式和洞见会耗费员工大量时间。 而在部署完毕后，还必须根据市场情况或数据本身的变化监控和持续调整模型。这正是机器学习的工作原理，因为它是解决方案。

机器学习是人工智能的一个组成部分，可让系统通过输入大量数据来使用神经网络和深度学习进行自主学习和改进，而不需要明确编程。

由于机器学习可让计算机系统通过累积更多 “经验” 来不断调整并增强自身功能，因此，输入的数据越多，结果就越准确。

事实上，机器学习应用可自动构建统计模型。Python 机器学习是一个很好的机器学习示例，它能够从数据中学习、识别模式，并且只需极少的人工干预即可制定决策。

以下是机器学习用途的一些示例：

用途
 描述
机器人流程自动化 (RPA) RPA 与机器学习相结合，创建了智能自动化功能，能够自动化复杂的任务，例如处理抵押贷款申请。
销售优化 客户数据可以训练机器学习算法，以进行客户情感分析、销售预测分析和客户流失预测。
客户服务 机器学习应用包括聊天机器人和自动虚拟助手，以使日常客户服务任务自动化并加快问题解决速度。
安全 机器学习技术可帮助企业改进其威胁分析功能，以及对网络攻击、黑客和恶意软件的回应。
数字营销 机器学习使营销人员能够识别新客户，并在合适的时间向合适的人提供合适的营销材料。
欺诈防范 机器学习可帮助信用卡公司和银行查看大量交易数据，以实时识别可疑活动。