其實大家可以去試試看amazon 或是微軟 ML studio
真的是已經到阿罵都會用的程度了
圖形化介面
拖拉式設定
各式各樣的樣板、模型
想調整什麼參數手指動一動就好
要比演算法你能比微軟跟雅馬遜工程師強嗎
所以重點根本就不是演算法了
而是你找出與定義特徵的經驗
舉個例子
微軟的範例裡有一個講迴歸的
是找出車子定價的邏輯
只要輸入各式各樣參數，什麼馬力、門數、扭力、廠牌
拉幾個想用模型，他就會自己找出相關性最高的特徵
把車價模型訂出來
再按一個鍵，就直接轉成網路服務讓你透過網路即時做計算
全部弄好不用半小時
以前還要用matlab在那邊輸出圖形慢慢找
現在五分鐘答案就出來
所以關鍵就會變成更複雜的問題，要怎麼去定義特徵
好比我想學習人的開燈習慣，讓開關燈這件事可以自動化
目標就是 燈該不該開、開多亮
那...我要抓什麼數據來分析呢
溫度？時間？性別？年齡？地區？
這已經不是程式或演算法的問題了，比較像是數據分析規劃的學門
※ 引述《del680202 (HANA)》之銘言：
: ※ 引述《popo14777 (草草)》之銘言：
: : 以前碩士有做過機器學習，用的語言是Matlab(LIBSVM)、Python(scikit-learn)
: : 都是用監督式學習來做預測(y's=實數)，
: : 演算法大多都用SVR、隨機森林、迴歸樹、整體式學習等
: 這讓我想到
: 我之前問我在大鬼島的上司，他在機器學習領域工作了很長一段時間
: 我問我想從大數據轉機器學習這條路有沒有什麼辦法
: 他勸我死心，那些大廠已經把機器學習的產品包的太好了你阿罵都會用
: 除非真的進入那些領航的大廠
: 否則當SE起碼還有飯吃，現在跟風投入機器學習領域幾年後就會沒飯吃了
: 諸如此類
: 我不是這方面的行家也沒辦法說啥
: 有沒有神人出來說說看法