成为Level2新手我在工作中第一次接触实用的机器学习应用程序。我们将准备一个应用程序来识别Zooplus商店中的欺诈活动。经过数月尝试不同的解决方案：外部供应商、代码中的额外if语句、消防脚本等，我们最终得出结论，机器学习是这项工作的最佳选择。从那以后，我们试图说服我们周围的人投资于我们的教育并继续机器学习之旅，但没有取得惊人的成功。然而，一次偶然的机会，我迈出了尝试亚马逊机器学习能力的第一步，所以我认为自己是2级新手。在本文中，我将尝试向您（1级新手）展示如何迈出第一步并真正了解什么是机器学习。什么是机器学习？在互联网上，机器学习的定义可能有数百种。但是，我是一个初学者，我们希望得到一些简单的东西——一些愚蠢的东西！让我们一起解决这个问题。术语中的“机器”可能是指计算机。我们可以想到电脑、无人机等东西，但它们都是由电脑控制的，对吧？所以，机器学习是关于“计算机学习”的。学习究竟意味着什么？电脑没有大脑！没有神经元被激发，没有通路被创建。它所能做的就是存储一些数据并执行一些操作。但我们知道它与数据和大数据有关（至少DZone是这么说的）。所以我们有了“大数据的计算机处理”。那么，“处理”指的是什么呢？作为一个level2的新手，我可以大概解释一下（虽然我敢打赌真正的从业者会认为我说的一点都不正经）。我说的是1级2级新手不想知道的高级算法的统计分析。我认为，这足以形成我们在本文中对机器学习的最终定义：“计算机对大数据的统计分析”。够酷吗？机器学习有什么好处？我明白了，我明白了。看了这么多，你还是不知道这些关于机器学习的知识是干什么用的。作为level2的新手，我再说一遍，我有机会学习机器学习。有两种机器学习：有监督的和无监督的。监督学习我很想举个监督孩子的类比，但我做不到。谁发明了这个名字？！监督学习是指当您向计算机提供您希望找到的信息时，-还记得我识别欺诈的例子吗？这就是监督学习。-我告诉电脑：我想知道这个客户是不是骗子！计算机施展它的高级魔法并给出答案：是的，主人！或者，不，主人！他是个傻子，也是个普通人。通常，监督学习用于所谓的分类问题。你向计算机输入大量数据，然后它会进行排序：美国人会再次投票给先生吗？这个人有癌症吗？您会继续阅读这篇又长又有趣的文章吗？UnsupervisedLearningUnsupervisedLearning是当你不知道自己在找什么，你没主意了，你告诉计算机：这里有一堆数据！找到一些有趣的东西。相反，它实现了比监督学习中使用的算法更高级的算法。由于我们并非毫无头绪——我们确切地知道我们需要什么（而且我们对更高级的算法不感兴趣），因此在下一部分中我们将重点关注有监督的ML。AmazonML简介不久之前，机器学习对于像你我这样的新手来说还是非常困难的。这是一款适合整天思考数字并认为Scala和Python是很好的编程语言的书呆子的游戏。感谢亚马逊，这些精通销售的人开始销售他们自己的基础设施，并为我们提供了一个很棒的工具：亚马逊机器学习。创建数据源我们有超过600个单词的文本，因此我们最好开始工作。打开您的AmazonWebDashboard并找到“机器学习”按钮。点击！您会看到一些为您提供教程等的屏幕。忽略它！您不需要教程，因为您已经在教程的中间。您应该看到以下内容：因此，对大数据执行计算统计分析的第一步是提供真正的大数据。使用以下链接下载文件并将其放入S3存储桶中：https://s3.amazonaws.com/aml-sample-data/banking.csv（是的，我们使用的是AWS文档教程提供的数据。只是这个教程比较好！）完成后，您可以返回机器学习屏幕并选择“新建...”，然后选择“数据源”。您应该看到类似这样的内容：插入S3位置并选择数据源名称。名字没关系。（最终我们会删除它），所以你可以给它任何你想要的名字。完成后点击“验证”并选择“继续”。您应该会看到类似于以下内容的屏幕：如您所见，Amazon正试图通过将数据拆分为不同的数据类型来理解数据。由于这是他们的教程数据，所以一切都应该更顺利。您只需要在列名相关问题上单击“是”，如果一切顺利，最后一个名为“y”的页面应该是“二进制”类型。如果是这样，请单击“继续”；否则，我不知道-我只是一个2级新手。在第三页，亚马逊终于问我们真正想要什么样的神奇结果。那就是“目标”。选择以下屏幕中的最后一列：正如您所看到的，亚马逊将此识别为二元分类问题，这意味着我们现在是主管！单击“继续”。我们的数据不包含标识符，因此单击“查看”并选择“创建数据源”。创建它需要一段时间。完成后，您应该会看到类似这样的内容：我们的数据源已完成！我们在系统中有我们的大数据！千言万语，我们已经为最重要的部分做好了准备。我们将创建实际的统计分析部分。ML模型是我们出色的机器学习解决方案的大脑。它是亚马逊根据我们的大数据和设置创造的一个神奇的生物，可以为提供的数据预测“y”列的值。让我们开始吧！返回机器学习面板，再次选择“创建新...”，然后选择“ML模型”。选择我们新创建的数据源。我们应该看到类似于以下内容的内容：单击“继续”，然后选择“审查”和“创建ML模型”。我们不想修改任何高级设置。请记住，我们是Level1和Level2的新手；我们只想看到一切正常。稍后按F5刷新，我们应该会看到成功屏幕（如下所示）。我们的ML模型已成功创建！创建预测如果我们创建了解决方案的魔法大脑但没有预测任何东西，我们会很遗憾。从ML模型成功界面的左侧选择“尝试实时预测”。单击“粘贴记录”按钮并粘贴以下内容：32,services,divorced,basic.9y,no,unknown,yes,cellular,dec,mon,110,1,11,0,nonexistent,-1.8,94.465,-36.1,0.883,5228.1此行与我们的大数据文件具有相同的格式，但最后一列-“y”缺失。这正是我们神奇的ML模型所预测的。如果您准备好大吃一惊，请单击“创建预测”。对对对！有用！它预测！如果你做对了我告诉你的每件事，你的预测屏幕的右侧应该是这样的：“预测标签”就是我们预测的——惊人的0！到底是什么！清理可确保从S3存储桶中删除数据，因此您无需为存储付费。您可以从您的帐户中删除机器学习，这完全取决于您，因为它不需要任何费用。总结我们首先给出机器学习的错误定义。然后，我们了解有监督和无监督机器学习之间的区别。最后，我们通过亚马逊机器学习界面创建了一个简单的预测。现在您可能想知道：我们预测了什么？我们在那里放了什么数据？如果它不起作用怎么办？现在，没关系。这只是一个例子。现在重要的是，我的2级新手，你希望预知什么？您有哪些可用的数据？祝你在通往Level3的道路上好运！
