這是我基于Lomit Patel的“精益AI”(O'Reilly，ISBN：978-1-492-05931-8)的系列文章的第二部分。首先討論的業(yè)務(wù)應用程序可以從監督學(xué)習中受益。本文將討論無(wú)監督學(xué)習。同樣，請參閱下面包含的本書(shū)的圖5-1，以概述在機器學(xué)習(ML)中利用的四種主要人工智能(AI)類(lèi)型。
大多數經(jīng)理，包括生產(chǎn)線(xiàn)甚至是IT經(jīng)理，都不需要了解機器學(xué)習的復雜性。但是，高水平的知識將幫助他們的組織理解AI是一種工具，并且必須與實(shí)際的業(yè)務(wù)問(wèn)題聯(lián)系起來(lái)。了解ML的高級分類(lèi)如何與現實(shí)世界相關(guān)聯(lián)，可以幫助技術(shù)人員和業(yè)務(wù)人員集中精力提供有效的解決方案。
快速提醒一下，有監督的學(xué)習是我們了解要確定的結果。然后可以選擇我們需要的功能(參數，變量等等)，并適當標記數據。這樣一來(lái)，分析就可以檢查數據，以了解它們在已知結果模式中的適合位置。
這并不總是可能的，也不是可取的。有時(shí)會(huì )有新的關(guān)系，這是意料之外的事情。在許多商業(yè)領(lǐng)域，尤其是在消費市場(chǎng)，要在競爭對手認識到相同的關(guān)系之前找出大量的數據來(lái)確定鏈接，從而提供至關(guān)重要的競爭優(yōu)勢。“無(wú)監督學(xué)習非常適合探索幾乎不了解數據代表什么的數據。當您可能不確切知道要查找的內容時(shí)，這對于在原始數據中查找模式很有幫助。” Lomit Patel說(shuō)。
讓我們看幾個(gè)例子。
客戶(hù)細分
客戶(hù)細分是核心的營(yíng)銷(xiāo)工具。目的是了解不同類(lèi)型的買(mǎi)家，了解根據特征將個(gè)人群體聯(lián)系起來(lái)的內容，然后建立可準確滿(mǎn)足每個(gè)群體或客戶(hù)群需求的營(yíng)銷(xiāo)活動(dòng)。
乍一看，這似乎可以使用監督學(xué)習。畢竟，我們知道根據性別，年齡，收入以及我們可以定義的其他細分，并且可以將客戶(hù)分類(lèi)的特征。這種細分顯然很適合監督學(xué)習，我們不應該忽略我們擁有的任何工具。
變化的是，我們擁有的有關(guān)個(gè)人，團體甚至公司的數據呈指數級增長(cháng)。因此，例如，最終可能會(huì )導致在商店A購物的人們無(wú)論年齡如何都更有可能購買(mǎi)商品X。分析繼續尋找基于數據對人員進(jìn)行聚類(lèi)的新方法，這些方法是我們從未想過(guò)的，而分類(lèi)卻無(wú)法進(jìn)行。
這就是分類(lèi)和聚類(lèi)之間的區別，它們在較高的層次上聽(tīng)起來(lái)是一樣的。監督學(xué)習是針對我們知道分類(lèi)(癌癥與無(wú)癌)的情況，而無(wú)監督學(xué)習則可以基于可能沒(méi)有先前鏈接的變量對數據點(diǎn)進(jìn)行聚類(lèi)。借助無(wú)人監督的學(xué)習，客戶(hù)細分正在變得更加先進(jìn)。
協(xié)會(huì )
電子商務(wù)中每天都使用這一代碼。每個(gè)人都看過(guò)購物，電影和其他網(wǎng)站，這些網(wǎng)站都在暗示“喜歡X的人也喜歡Z”。那就是聯(lián)想。有監督的學(xué)習是行不通的，因為在表達出喜歡之前，我們不知道人們喜歡什么。通過(guò)構建可以分析那些喜歡的神經(jīng)網(wǎng)絡(luò )，無(wú)監督的訓練可以導致系統從數據中學(xué)習以提出建議。這比基于當前的偏好來(lái)訓練機器要好得多，因為正如每個(gè)營(yíng)銷(xiāo)人員都知道的那樣，偏好并不是恒定不變的。
最后一句話(huà)很關(guān)鍵。癌癥就是癌癥。我們可能會(huì )發(fā)現新的癌癥，或者找到一種新的檢測現有癌癥的方法。到那時(shí)，可以更新算法，但是我們仍在使用固定功能集確切指定機器應識別的內容。
關(guān)聯(lián)，產(chǎn)品之間的關(guān)系，喜好等等通常是文化的一部分，并且該文化正在不斷發(fā)生變化。一個(gè)強大的ML系統受過(guò)訓練，可以查看所有數據并注意到以前未知的關(guān)系，甚至可以放松以前強大的關(guān)系。無(wú)監督學(xué)習使系統不受我們已經(jīng)認為的了解的限制。
無(wú)監督學(xué)習：當您不知道會(huì )得到什么時(shí)
當您知道需要獲得的結果時(shí)，有條理的學(xué)習是必經(jīng)之路。但是，借助現代數據量，組織可以從看似無(wú)關(guān)的數據點(diǎn)獲得新的出乎意料的見(jiàn)解。無(wú)監督學(xué)習是一種工具，可以幫助您找到那些可以在許多業(yè)務(wù)領(lǐng)域中獲得洞察力的新關(guān)系，新模式和鏈接。
您可能已經(jīng)注意到，世界上并非所有事物都是黑白的。好吧，有監督和無(wú)監督的學(xué)習并不是完全獨立的。盡管上面的某些討論暗示了這一點(diǎn)，但是本管理AI系列的下一篇文章將僅討論–為什么混合系統有用。
