当前位置：首页 > 机器学习 > 正文

机器学习中的黑盒属性

xiaofei
机器学习
2024-09-09 15:27:45
64

简述信息一览：

1、常用机器学习常用算法优点及缺点总结
2、《机器学习40讲》-05模型的分类方式
3、Intel黑盒是什么意思?
4、机器学习能否助力银行挖掘更多客户价值?
5、机器学习之决策树回归篇(DecisionTreeRegressor)

常用机器学习常用算法优点及缺点总结

1、机器学习，基础的PCA模型理论，贝叶斯，boost，Adaboost，模式识别中的各种特征，诸如Hog，Haar，SIFT等深度学习里的DBN，CNN，BP，RBM等等。非专业出身，只是略懂一点。

2、简单线性回归：1 损失函数：在机器学习中，所有的算法模型其实都依赖于最小化或最大化某一个函数，我们称之为“ 目标函数 ”。最小化的这组函数被称为“损失函数”。

（图片来源网络，侵删）

3、我们在学习人工智能以及智能AI技术的时候曾经给大家介绍过不同的机器学习的方法，而今天我们就着重介绍一下，关于机器学习的常用算法都有哪些类型。支持向量机是什么？支持向量机是一种有监督的机器学习算法，可以用于分类或回归问题。

《机器学习40讲》-05模型的分类方式

总结而言，机器学习模型分类涵盖了全局与局部适用性、可解释性与精确性、数据模型与算法模型、以及生成模型与判别模型的区别。当前，参数模型主导机器学习领域，非参数模型在应用范围和性能上稍逊一筹。然而，随着大数据的兴起，非参数模型的潜力值得深入探索。

在探索机器学习世界的深度时，我们聚焦于模型的分类，旨在揭示输入与输出之间的复杂映射。主要分为两大类别：参数模型和非参数模型，它们各自代表了先验知识的依赖与数据内在特性的挖掘。参数模型，如同孔子倡导的“知之为知之”，是基于有限的参数和明确假设的。

（图片来源网络，侵删）

你去看看极客时间上面的机器学习40讲这个课，这是人工智能基础课的第2季，主要讲的就是在人工智能中处于核心地位的机器学习。讲师会从机器学习中的共性问题讲起，从统计机器学习和概率图模型两个角度，详细解读30个最流行的机器学习模型。让你既能掌握模型的正确使用方法，又能帮助你加强对于模型的理解。

机器学习主要就是研究计算机如何模型或实现像人一样的思维方式去学习知识，通过对新问题的反馈机制，修改或优化自己已经学习到的知识。其是人工智能的核心，也就是说，人工智能非常依赖机器学习的好坏与优良程度。

因此需要对属性的取值范围进行调整，比如标准化。当样本数远大于属性数时，岭回归更快，岭回归不会删除属性，会对属性的取值范围进行压缩，特征值小的特征向量会被压缩的很厉害，因此要求属性的取值范围差不多，这样系数差不多，压缩更有意义。参考资料：王天一，机器学习40讲。

Intel黑盒是什么意思?

1、Intel的黑盒，通常指的是Intel公司所设计的芯片或处理器的底层代码和结构。这些代码和结构是Intel的核心技术之一，仅限于Intel内部的开发和使用。因此，外界无法查看它的具体实现方式。这种保护Intel技术机密的方式被称为“黑盒设计”。

2、黑盒：原厂盒装，联保3年的、有包装但是没有风扇的CPU。这种CPU不锁倍频，易于超频。但是因超频导致CPU损坏就失去质保了，个人认为是最鸡肋的CPU种类，骗钱，不如买散的。

3、黑盒CPU是指由厂家推出的顶级不锁频CPU，比如AMD的黑盒5000+，这类CPU不带风扇，是厂家专门为超频用户而推出的零售产品。4　深包CPU（也称“翻包CPU”）这种CPU有两种可能：（1）经销商将散装CPU自行包装，加风扇之后，卖入市场的CPU。没有厂家质保，只能店保，通常是店保三年。

4、以Intel CPU为例，市场上绝大部分盒装产品都是假冒的，甚至有统计说已经达到了75％以上。所谓的假冒盒装不外乎是两种情况：散装CPU和原装散热器封装在一起，或者直接使用伪劣的假冒散热器与CPU粘合。

5、散装CPU不带风扇，部分产品散装的性价比很高，因为盒装风扇一般都比较烂，而部分产品盒装和散装差价还很大。

机器学习能否助力银行挖掘更多客户价值?

1、据中金数据业务中心数据分析师刘总介绍“机器学习通过利用银行业现有模型所忽略的大量的“小”数据，加上内外部监管系统中常见的非结构化数据，从而能够更深入的了解潜在客户需求，帮助银行挖掘更多的客户价值。

2、提高风险管理和决策效率人工智能的机器学习算法和数据分析技术能够帮助银行更有效地识别和管理风险。在信贷审批、反欺诈等领域，人工智能能够快速准确地分析大量数据，降低信贷风险，提高风险控制水平。此外，人工智能还能帮助银行进行市场预测和决策分析，提高决策效率和准确性。

3、随着人工智能、大数据等技术的不断发展，银行可以利用这些技术构建智能化运营体系，实现自动化、智能化的客户服务。例如，通过智能语音机器人提供24小时在线客服服务；利用机器学习算法对客户进行信用评估和风险预测；通过智能化投顾系统为客户提供个性化的投资建议等。

4、工作效率的提高：AI人工智能可以通过模拟人类思考和决策的过程来提高工作效率。例如，机器学习和自然语言处理技术可以帮助金融工作人员更快地分析和处理大量数据，从而更快地完成工作。就业市场的变化：由于AI人工智能在各个领域的应用不断扩大，金融领域的竞争可能会更加激烈。

5、随后结合账户交易记录、沟通互动和客户关系网络等多维度信息进行综合评估，以确定客户的类型和价值。这些评估结果对银行设计差异化的服务和产品至关重要。此外，银行可以借助数字化工具，运用数据挖掘和机器学习技术深入分析客户数据，从而更好地理解需求和特征，优化业务流程，提升服务体验，增强客户忠诚度。

6、趋势三：让技术和分析助力风险职能科技不仅改变了客户行为，高级分析能力的发展也孕育了全新风险管理技术。层出不穷的新技术带来了成本更低、速度更快的计算能力和数据存储，推动了更有效的风险决策支持和流程整合。虽然未来十年还将出现大量未知的创新，并显著影响风险管理进程。这些创新因素包括大数据、机器学习、众包。