其实大家可以去试试看amazon 或是微软 ML studio
真的是已经到阿骂都会用的程度了
图形化接口
拖拉式设定
各式各样的样板、模型
想调整什么参数手指动一动就好
要比算法你能比微软跟雅马逊工程师强吗
所以重点根本就不是算法了
而是你找出与定义特征的经验
举个例子
微软的范例里有一个讲回归的
是找出车子定价的逻辑
只要输入各式各样参数，什么马力、门数、扭力、厂牌
拉几个想用模型，他就会自己找出相关性最高的特征
把车价模型订出来
再按一个键，就直接转成网络服务让你透过网络即时做计算
全部弄好不用半小时
以前还要用matlab在那边输出图形慢慢找
现在五分钟答案就出来
所以关键就会变成更复杂的问题，要怎么去定义特征
好比我想学习人的开灯习惯，让开关灯这件事可以自动化
目标就是 灯该不该开、开多亮
那...我要抓什么数据来分析呢
温度？时间？性别？年龄？地区？
这已经不是程式或算法的问题了，比较像是数据分析规划的学门
※ 引述《del680202 (HANA)》之铭言：
: ※ 引述《popo14777 (草草)》之铭言：
: : 以前硕士有做过机器学习，用的语言是Matlab(LIBSVM)、Python(scikit-learn)
: : 都是用监督式学习来做预测(y's=实数)，
: : 算法大多都用SVR、随机森林、回归树、整体式学习等
: 这让我想到
: 我之前问我在大鬼岛的上司，他在机器学习领域工作了很长一段时间
: 我问我想从大数据转机器学习这条路有没有什么办法
: 他劝我死心，那些大厂已经把机器学习的产品包的太好了你阿骂都会用
: 除非真的进入那些领航的大厂
: 否则当SE起码还有饭吃，现在跟风投入机器学习领域几年后就会没饭吃了
: 诸如此类
: 我不是这方面的行家也没办法说啥
: 有没有神人出来说说看法