机器学习如何与大数据相结合？

Question

机器学习如何与大数据集成?机器学习与MapReduce?

• What的区别是什么？

1. (有监督学习、无监督学习、强化学习)是决策
2. 的主要内容之一，大数据在医疗保健和智能城市决策中的区别是什么？

H 111以及大数据与深度学习作为机器学习技术之一的关系？H 212G 213>

Answer 1

以下是我的观点：

1. 机器学习方法通过一种称为梯度下降的方法“学习”，这种方法通常数据效率很低，但非常通用，易于实现，并且不需要对数据有太多的先验知识。为了使这种方法真正发光，需要大量的数据才能得到精确的模型，因此，许多机器学习方法都需要大数据，
2. 机器学习是一个人工智能领域，其目的是使机器能够学习概念，而不是明确地编程。MapReduce是一种分布式计算方法，可用于加速机器学习训练或任何计算量大的任务，
3. 的主要概念是机器学习算法应用于特定任务。例如，监督学习用于回归和，并应用于标记为的数据集。用回归算法预测连续变量，对分类变量采用分类算法。连续任务的一个例子是预测特定房屋的房地产价格。一个明确的任务的例子是预测图片是狗还是猫。

在无监督学习中，主成分和聚类是两个主要家族，它们主要用于未标记数据集。在这里，机器必须找到数据的最佳分离。

1. Reinforcement学习绝对是决策算法，RL是为最优控制和最优决策而设计的，因为它的基本算法是Bellman Equation.
2. Decision，它基本上是基于您想要解决的问题。例如，如果我试图创建曲奇，我可以让我的曲奇尝起来很好吃，但花更多的钱，或者我可以让饼干味道不错，但花费却大大减少。根据我想要服务的市场，我的决定会有很大的不同。

由于这两种方法的任务都没有在这里得到适当的定义，我将作一些假设。在医疗保健方面，一个很大的问题就是治疗肾衰竭患者。在这里，病人需要每两天去医院2到3个小时，通过一种叫做透析的方法进行血液净化。在这里，我们可以建立一个强化学习控制器来控制透析过程的流量、药物等，既可以缩短血液清洗过程，又可以让病人体验到更少的痛苦。我亲自参与了这个项目。这里的ML算法的决策是流量和药物量等。

在一个智能城市，代理人可能想要优化交通流量或电力使用。对于交通流，代理的决策将是什么时候使红灯，以尽量减少在交通中的总浪费时间。至于用电方面，代理商会希望电力以最小的距离行驶，以尽量减少电力浪费。

1. 大数据和深度学习之间的关系和#1是一样的，只是，用all替换掉最后一句中的“很多”。深度学习模型是高度参数化的，需要大量的数据才能完全准确和可用(假设您的网络足够深)。然而，如果有足够的数据，它的准确性和能力是不可否认的。SumoLogic的下图显示了模型的准确性与输入不同机器学习算法的数据量之间的变化的有用的可视化。

​

​