下面簡要介紹一下四種基本的MLlib APIs，主要包括它們的作用和應(yīng)用。
這些API主要是用來進行A-B檢驗或者A-B-C檢驗。通常在商業(yè)中，我們認為，如果兩個東西的平均值相等，那么這兩個東西就大體相當(dāng)了。其實不一定。試想一下，一個汽車制造商換掉汽車座椅之后，做一個關(guān)于座椅舒適度的調(diào)查。對于個子矮小的用戶來說，他們可能覺得座椅更舒服了，但是對于個子高大的用戶來說，他們可能會覺得非常不舒服，以至于放棄購買汽車，而個子中等的用戶剛好平衡了這個差異。通常，新座椅也許要更舒服一些，但是，如果沒有身高超過6英尺的用戶購買的話，我們還是失敗了。根據(jù)Spark的假設(shè)測試，你可以先做一個皮爾遜卡方值檢驗或者一個柯爾莫可洛夫-斯米洛夫檢驗，先測試一下某個東西的“合適程度”，或者它的取值是否符合“正態(tài)分布”。這種方法基本適用于所有需要比較兩串?dāng)?shù)據(jù)的情況?！昂线m程度”表明“你是否喜歡”，或者說新算法是否達到了“優(yōu)于”舊算法的目的。趕緊報名參加Coursera的基礎(chǔ)統(tǒng)計課程吧。
你的屬性是什么？如果你手頭有一堆屬性不同的東西，你可以讓電腦對這些東西進行正確的歸類。這里的技巧就是要把各個屬性對應(yīng)到各個“類”，而對于這個分類，并沒有標(biāo)準(zhǔn)的正確答案，錯誤答案倒是不少。如果你認為某人在看一組表格并把它們歸類，這就是分類算法。你在使用垃圾郵件過濾器時就已經(jīng)接觸過分類算法了，垃圾郵件過濾器就是過濾掉包含垃圾郵件中常見詞語的郵件。分類算法還可以用來診斷患者病情或用來預(yù)測哪些用戶有可能取消訂購有線廣播電視（一般是不看體育節(jié)目的人）。從本質(zhì)上來說，分類學(xué)習(xí)是基于過去的數(shù)據(jù)標(biāo)簽，然后把這些標(biāo)簽應(yīng)用到未來的發(fā)展預(yù)測。在Coursera的機器學(xué)習(xí)專業(yè)化中，有一門專門針對分類學(xué)習(xí)的課程，7月10開始開課，現(xiàn)在報名參加應(yīng)該也來得及。
當(dāng)你跟一個人討論“機器學(xué)習(xí)”的時候，如果對方只能說出k-means算法，那說明他只看過“小抄”，什么都不懂。如果你手上有一組屬性，你可以找到一些關(guān)鍵點把這些屬性歸為各個類中，這就是聚類算法。你能說出各個不同類之間的區(qū)別，但是也有可能有些類是比較接近的。有可能一個大的東西和一個小的東西被歸為了同一類，而另一個更小的東西卻被歸為了大的一類。再加上其他各種復(fù)雜的屬性和不同的維度，所以其實聚類算法也有很多種。聚類算法和分類算法不同，但是聚類算法經(jīng)常用來對一群人分組，二者大的區(qū)別在于，在聚類算法中，我們不知道集群前面的標(biāo)簽(或組)是什么，而在分類算法中，標(biāo)簽就很明確了?？蛻艏毞质且粋€常見的應(yīng)用，不同的客戶有不一樣的喜好特點，比如可以把客戶分成信用組、保留風(fēng)險組或購買組（對于新鮮農(nóng)產(chǎn)品或熟食），但是也有可能要根據(jù)已有數(shù)據(jù)進行詐騙識別的分類。Coursera上有專門講解聚類算法的講座系列，沒錯，他們確實有包括k-means算法，但有點詭異的是，有一半的教授是漂浮在黑板表面的（你去看了之后就知道我在說什么了）。
好吧，協(xié)同過濾算法是一種大眾化的算法。我們公司就用協(xié)同過濾算法去提高搜索結(jié)果的精確度，我還做過一個相關(guān)的講座，如果有足夠多的人點擊第二張貓的照片，那它一定比張貓的圖片好。在一個社交或電子商務(wù)環(huán)境中，如果你充分運用各種用戶的“喜歡”和“不喜歡”，你就可以找到出對于大部分用戶或者某一特定用戶群體來說“好的”結(jié)果，這是通過個性化系統(tǒng)的多屬性過濾來實現(xiàn)的，例如，當(dāng)你在Google地圖或Yelp上搜索餐廳（你可以根據(jù)服務(wù)質(zhì)量、食物種類、內(nèi)部風(fēng)格、是否適合小孩、是否有情調(diào)、用戶評論和消費水平等等進行過濾）時使用的就是這個原理。斯坦福大學(xué)機器學(xué)習(xí)課程有關(guān)于協(xié)同過濾算法的專題講座，7月10日開課（現(xiàn)在也還可以報名）。
上述并不是關(guān)于機器學(xué)習(xí)的所有算法，但也算是使用過程中常見的幾種算法了。以上四個大類中，每一類中都包含好幾個可選算法或者衍生算法，那要選哪個呢？好吧，具體選用哪一種算法是考慮數(shù)學(xué)背景、實驗過程和已知數(shù)據(jù)等各種因素的綜合結(jié)果。記住，這些算法都只是你分析問題的工具而已，也有可能使用這些算法之后得到的是沒有用的結(jié)果。
如果你剛接觸機器學(xué)習(xí)，那Coursera上的機器學(xué)習(xí)基礎(chǔ)可以帶你快速入門——請忽略那一半的詭異的漂浮的教授。
本站文章版權(quán)歸原作者及原出處所有 。內(nèi)容為作者個人觀點， 并不代表本站贊同其觀點和對其真實性負責(zé)，本站只提供參考并不構(gòu)成任何投資及應(yīng)用建議。本站是一個個人學(xué)習(xí)交流的平臺，網(wǎng)站上部分文章為轉(zhuǎn)載，并不用于任何商業(yè)目的，我們已經(jīng)盡可能的對作者和來源進行了通告，但是能力有限或疏忽，造成漏登，請及時聯(lián)系我們，我們將根據(jù)著作權(quán)人的要求，立即更正或者刪除有關(guān)內(nèi)容。本站擁有對此聲明的最終解釋權(quán)。
