機器學習取得顯著進展
雖然機器學習的基本概念由來已久，但如今正變得炙手可熱。在史丹福大學，機器學習是最受歡迎的研究生課程，報讀該課程的學生多達760人。此外，全球領先的資訊科技研究和顧問公司gartner的研究顯示，高階分析(涵蓋機器學習)是業務分析軟體市場內增速最快的細分領域。
高階機器學習演算法由多種用於無監督與監督式學習的技術構成(如：深度學習、神經網路和自然語言處理等)，並基於當前資訊而執行。高階機器學習已經從此前提供基於演算法的解決方案，向更具洞察力、自我引導與自主化轉變。它與萬物資訊化(information-of-everything)技術聯絡密切，例如：數學優化、文字挖掘、統計分析、搜尋引擎和動態本體論。
資料大**和資訊複雜化使得人工分類與分析變得不再可行和成本高昂。機器學習可自動執行這些任務，並能夠處理萬物資訊化所帶來的主要挑戰。
監督式學習是高階機器學習在業界最普遍的應用，涵蓋約95%的機器學習使用案例。監督式學習需要「培訓資料」，它將通過描述機器學習系統在觀察與執行結果之間的預期對映而「傳授」機器學習模型。
這些對映可以用於**數量(如：收入或需求**)，或劃分或**特定事件發生的概率(如：機器故障與客戶購買或反覆買賣)。
谷歌收購deepmind凸顯了高階機器學習在監督式學習領域內的強大功能。deepmind的阿爾法圍棋利用資訊自我學習中國圍棋，然後採取自主行動。這一功能可讓其發現自行完成任務的方法，例如：識別與響應面部表情、響應語言和翻譯各種語言。
高階機器學習支援全新數字現實
高階機器學習技術的發展趨勢為各企業機構提供了贏得未來成功的基本能力。以下各行業的業務情景反映了高階機器學習的多種潛能：
推薦零售產品：機器學習可以從源自零售店凝視技術到智慧型手機感測器資料的網購歷史和產品偏好中挖掘分散的資料集，從而建立購買傾向模型，**客戶最可能購買的產品型別。
保險動態定價：根據具體市場的狀況，例如：盜竊頻發、房屋經濟泡沫、歷史銷售、自然災害或者消費者的選擇性資料共享，建立**模型，動態調整保險費率。
優化借貸：高階機器學習解決方案可以反映出貸款申請人的詳細資訊(如：人口統計資料以及信用和償還歷史)，從而**該申請人的某筆貸款發生違約的概率。
零售銀行欺詐偵測：可以建立演算法，開展評估和為當前的實時交易建模，並根據受欺詐概率構建交易**模型。
城市公用事業實時決策：例如，高階機器學習可以根據風輪機、太陽能電池板與土壤致動器構建概率模型，動態調節水電，以降低維護成本，盡可能減少停機時間。
患者診斷：通過收集來自如下潛在**的資料：當前生命體徵、症狀、家庭實驗室測試或者來自演算醫療裝置的歷史生命體徵，高階機器學習可以向醫生提供更準確的醫療狀況分類，包括**或處理建議。
創造安全工作條件：對於員工可能在危險環境下工作的企業機構而言，機器學習可以根據對空氣質素、裝置效能、員工生產力、甚至是非典型行為進行測量而得到的感測器資料探測預警訊號，以便**事故發生概率。
客戶服務自動化：虛擬助理將主動接待來電尋求支援的客戶，它通過認知能力傾聽客戶之聲(語音識別)，並進而對映到引導式培訓集與知識庫，德克薩斯州奧斯丁市和美國汽車保險公司(usaa)均採用了此功能。
本文**d1net（原創）
機器視覺學習系列五 增強現實
專案背景 定位人臉特徵點，進行人臉位姿估計，疊加眼鏡模型或者頭髮模型，完成增強現實 已有成熟的有標識物庫artoolkit，這個還是不錯的，針對任何特定圖案，略微修改一下，即可實現需要的效果 不過，對於無顯著標識物的 即是採用自然標識物的 該庫不就太行了，需要自己來完成略微 具體實施方案 1 標定攝...
機器學習 支援向量機
線性可分支援向量機 1.回顧感知機模型 2.函式間隔與幾何間隔 3.支援向量 4.svm模型目標函式與優化 5.線性可分svm的演算法過程 線性可分支援向量機 1.軟間隔最大化 2.線性分類svm的軟間隔最大化目標函式的優化 3.軟間隔最大化時的支援向量 4.軟間隔最大化的線性可分svm的演算法過程...
機器學習 支援向量機
svm就是試圖把棍放在最佳位置，好讓在棍的兩邊有盡可能大的間隙。這個間隙就是球到棍的距離。這裡我們看到兩種不同顏色的小球 我們找到乙個棍子放在其中，把他們分割開來，但是僅僅是這麼簡單嘛，不不，我們還要考慮怎麼放這根棍子，能夠分開這兩種小球的棍子在中間有無數種方法哪種最好呢？保證決策面方向不變且不會出...