談談基于機器學習的編程到底比傳統(tǒng)編程強在哪里？
2019-01-10 來源：raincent
在本文開始之前，筆者要和大家分享兩個在網(wǎng)絡上流行的公式：
傳統(tǒng)編程的公式：規(guī)則 + 數(shù)據(jù) = 答案
機器學習的公式：答案 + 數(shù)據(jù) = 規(guī)則
這兩個公式中的三個關鍵詞是一模一樣的，分別是數(shù)據(jù)、規(guī)則和答案，但是這三個關鍵詞在等號左右的排列位置卻不同。從中我們不難看出，機器學習正在改變著整個編程行業(yè)。
而這一觀點也得到了一些專家的佐證，以網(wǎng)絡安全為例，Institute for Critical Infrastructure Technology 高級研究員 James Scott 曾表示，基于簽名的惡意軟件檢測已死，取而代之的是基于機器學習的人工智能，它將成為防御變異哈希最好的方式。
那么，基于機器學習的編程到底與傳統(tǒng)編程有哪些不同呢?顧名思義，機器學習大部分工作是由機器來完成的，而傳統(tǒng)編程需要程序員自己根據(jù)具體的問題建模解決。除此之外，基于機器學習的編程比傳統(tǒng)編程還強在哪里呢?
輸入
首先，兩者輸入的都是數(shù)據(jù)，但是能夠接受的數(shù)據(jù)類型不同�；跈C器學習的編程基本可以接受所有的數(shù)據(jù)類型，例如聲音、圖片、視頻、文本等等，而傳統(tǒng)編程接受的數(shù)據(jù)類型要看程序員的設置，一般來說只可以接受程序員定義好的數(shù)據(jù)類型。
基于機器學習的數(shù)據(jù)選擇還可以分為三部分，訓練用數(shù)據(jù)、驗證用數(shù)據(jù)和測試用數(shù)據(jù)。隨著數(shù)據(jù)的不斷累積，反復讓之前的簡單邏輯與數(shù)據(jù)結果進行比對，不斷修正驗證，最終結果會愈趨向正確。而傳統(tǒng)編程是基于規(guī)則的算法，如果發(fā)生錯誤，那么在被發(fā)現(xiàn)之前，該錯誤會一直重復發(fā)生。
處理
基于機器學習的編程中，處理包括知識表示和模式匹配、搜索、邏輯、問題解決和學習。而在傳統(tǒng)編程中，需要根據(jù)待解決的問題設計程序，并完成字符輸入。
機器學習比較常見的 3 個應用場景分別是：一次性模型，要解決的問題是由上級嚴格定義的，并且提供了一些小型數(shù)據(jù);嵌入模型，里面有許多變量，比如，模型是靜態(tài)的還是迭代的，是局部的還是通過 API 遠程調用的等等;深度模型，建立用于特定某個領域預測的模型，并通過經(jīng)驗和技巧來提升和證明其準確性。
預測
基于機器學習的編程是基于預測的，而傳統(tǒng)編程是基于解釋的�；诟怕省⒒诜答�、基于總結，這是機器學習這種經(jīng)驗主義最大的特點，也是與傳統(tǒng)程序設計這種基于因果關系的最大不同點。
結論
通過上文對比，基于機器學習的編程在很多方面都勝過傳統(tǒng)編程，傳統(tǒng)編程更適合于簡單的任務，而基于機器學習的編程更適合解決復雜的問題。針對基于機器學習的編程步驟，普華永道也給出了描述，筆者在此貼出來，希望能對大家有用。
普華永道信息圖總結的機器學習的主要流程 / 步驟：
選擇數(shù)據(jù)：這一過程又分為三部分，分別是訓練用數(shù)據(jù)、驗證用數(shù)據(jù)、測試用數(shù)據(jù)
數(shù)據(jù)建模：使用訓練數(shù)據(jù)構建涉及相關特征的模型
驗證模型：用驗證數(shù)據(jù)驗證建立的模型
調試模型：為了提升模型的性能，使用更多的數(shù)據(jù)、不同的特征，調整參數(shù)，這也是最耗時耗力的一步
使用模型：部署模型訓練好的模型，對新的數(shù)據(jù)進行預測
測試模型：使用測試用數(shù)據(jù)驗證模型，并評估模型的性能
參考鏈接：https://www.analyticsindiamag.com/heres-why-machine-learning-wins-hands-down-against-conventional-programming/
標簽： 安全 搜索 網(wǎng)絡 網(wǎng)絡安全
版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。
