DBP 研究所管理負責人 Prashanth Southekal 上月在2019 年企業(yè)數(shù)據(jù)世界大會上舉辦了一個研討會，主題是應用機器學習技術以及何時使用不同的 ML 算法。

機器學習(ML)使計算機能夠使用大量數(shù)據(jù)集自動學習和適應。Southekal 談到了五種主要的分析方法和三種機器學習方法。他還討論了 ML 算法，如決策樹、支持向量機(SVM)、邏輯回歸、線性回歸和聚類。

我們采訪了 Southekal，了解他關于應用機器學習領域的會議環(huán)節(jié)和數(shù)據(jù)分析。

問：如何對數(shù)據(jù)進行分類，對每種類型的數(shù)據(jù)進行哪種分析?

Prashanth Southekal：廣泛的數(shù)據(jù)，尤其是商業(yè)數(shù)據(jù)，主要可以分為三種類型。首先，從數(shù)據(jù)存儲和處理的角度，可以將業(yè)務數(shù)據(jù)分為結構化數(shù)據(jù)和非結構化數(shù)據(jù)。其次，從數(shù)據(jù)集成的角度來看，業(yè)務數(shù)據(jù)可以是管理類別(如工廠和地理位置)的參考數(shù)據(jù)，管理業(yè)務實體(如供應商和產(chǎn)品)的主數(shù)據(jù)，以及捕獲業(yè)務事件(如采購訂單和發(fā)票)的事務數(shù)據(jù)。第三，從數(shù)據(jù)分析的角度來看，業(yè)務數(shù)據(jù)可以分為標定數(shù)據(jù)(用于管理類別，如產(chǎn)品描述)、有序數(shù)據(jù)(用于捕獲有序數(shù)據(jù)集，如付款項和交付優(yōu)先級)和連續(xù)數(shù)據(jù)(用于處理價格和數(shù)量)。

現(xiàn)在進入問題的第二部分——對每種類型的數(shù)據(jù)執(zhí)行哪種類型的分析。在我看來，分析是基于你的問題使用數(shù)據(jù)。所以，你問的問題在分析學中非常重要。這些問題的答案來自于算法，算法的選擇基于數(shù)據(jù)類型。例如，如果問題是“貨物會按時交貨嗎?”，答案將會是“Yes/No”，答案將會使用 logistic 回歸算法得到。另一方面，如果問題是“貨物需要多長時間才能送到?”，答案將是一個數(shù)值，該數(shù)值可能會使用線性回歸算法得到。

問：你能談談一些數(shù)據(jù)質量維度以及它們如何影響數(shù)據(jù)質量嗎?

Southekal：數(shù)據(jù)質量是對數(shù)據(jù)在給定上下文中是否適合服務于其目的的評估。在我看來，有 12 個數(shù)據(jù)質量維度，包括完整性、一致性、有效性、基數(shù)性、準確性、正確性、可訪問性、安全性、及時性、冗余、覆蓋率和完整性。在我的書Data for Business Performance中，我詳細解釋了這些數(shù)據(jù)質量維度。然而，數(shù)據(jù)質量并不意味著所有這 12 個維度都應該一直滿足。數(shù)據(jù)質量維度的選擇取決于適用性、目的和上下文。

問：選擇 ML 解決方案時需要考慮什么?

Southekal： 在我看來，如果一個解決方案滿足四個關鍵條件，那么就可以認為它是 ML 解決方案：

輸出是不斷優(yōu)化的，即數(shù)據(jù)持續(xù)不斷地攝入到 ML 算法中。

在獲取和應用輸出時，很少(甚至沒有)人為干預。

輸出是概率的形式，因為解決方案是面向未來狀態(tài)的。

輸出主要提供關于事件或事務(實體或類別)的問題的答案。

問：你能談一下你在研討會中談到的四種 ML 算法：回歸、分類、聚類和關聯(lián)嗎?

Southekal：ML 算法有數(shù)百種，但我選擇了這四種類型的 ML 算法，即回歸、分類、聚類和關聯(lián)，因為它們在業(yè)務中非常常用。

回歸算法基于一組自變量預測因變量的值。

分類算法利用輸入的數(shù)據(jù)對觀測結果進行分類。

聚類算法根據(jù)一些相似的條件將一組觀測值分配到聚簇中。

關聯(lián) ML 算法揭示了項之間是如何關聯(lián)的。

問：對于想學習機器學習技術的數(shù)據(jù)庫專業(yè)人士，您有什么建議嗎?

Southekal：選擇一項你和你的公司都能輕易獲得的技術。例如，如果你是一個采購專家，在一家在SAP ERP中完成采購活動的公司工作，那么最好利用 SAP 的分析工具，如BI/BOBJ、Leonardo等。你將有一個良好的開端，因為分析所需的數(shù)據(jù)已經(jīng)在你的 SAP 環(huán)境中，并且你可以訪問 SAP 生態(tài)系統(tǒng)。如果你剛剛開始你的職業(yè)生涯，可以嘗試R或Python，因為它們都是具有大型社區(qū)的開源工具。但是，要始終注重應用工具解決問題，而不是學習工具本身。除了在技術方面的技能，還要在統(tǒng)計和線性代數(shù)方面培養(yǎng)良好的技能。描述性分析需要統(tǒng)計，而預測分析和 ML 需要線性代數(shù)和統(tǒng)計。網(wǎng)上有許多免費的優(yōu)質資料。在選擇昂貴的課程之前，可以先嘗試一下它們。

查看英文原文：Prashanth Southekal on Applied Machine Learning

原文：https://www.infoq.com/news/2019/04/southekal-machine-learning

作者：Srini Penchikala

譯者：平川

標簽： [db:TAGG]

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。