为什么要用机器学习

象棋程序的人类学习和机器学习实现思路对比。

参考：斯坦福大学 2014 机器学习教程中文笔记

为什么以前没有机器学习

• 目前处于大数据时代，到处都有成T成P的数据，简单规则处理难以发挥这些数据的价值；
• 廉价的高性能计算，使得基于大规模数据的学习时间和代价降低；
• 廉价的大规模存储，使得能够更快地和代价更小地处理大规模数据；
• 存在大量高价值的问题，使得花大量精力用机器学习解决问题后，能获得丰厚收益。

机器学习擅长解决什么问题

• 目标问题需要价值巨大，因为机器学习解决问题有一定的代价；
• 目标问题有大量数据可用，有大量数据才能使机器学习比较好地解决问题（相对于简单规则或人工）；
• 目标问题由多种因素（特征）决定，机器学习解决问题的优势才能体现（相对于简单规则或人工）；
• 目标问题需要持续优化，因为机器学习可以基于数据自我学习和迭代，持续地发挥价值。

参考：机器学习算法系列（39）：实例详解机器学习如何解决问题

机器学习使用场景

• 预测房价：根据房子的户型、面积、地段、房龄等特征预测一套未标记房子的价格，监督学习，回归；
• 预测肿瘤良性/恶性：根据患者年龄、性别、既往病史、吸烟史、饮食习惯等预测肿瘤特性，监督学习，分类；
• 电影/新闻推荐：用户/内容聚类；

其他场景：垃圾邮件检测，预测信用卡欺诈，预测广告点击率，预测球队能否夺冠。