‘’机器学习失败的6种原因，你中招了吗？‘’，华为云帮您解决！！（1）
【摘要】 我曾在AI科技大本营上看到了一篇文章，文章标题为：“机器学习失败的6种原因，你中招了吗？”这篇文章大致在讲机器学习失败的6大原因。1、缺乏对问题的业务理解而使机器学习失败。通常机器学习工程师对于一个行业不了解的情况下，在加上经验不足，很容易导致方向性的错误。当然文章中也有友情提示说：“机器学习工程师要从假设声明开始，该声明你要明白解决的问题是什么，以及你要构建哪些模型来解决该问题。”，而在华...
我曾在AI科技大本营上看到了一篇文章，文章标题为：“机器学习失败的6种原因，你中招了吗？”这篇文章大致在讲机器学习失败的6大原因。
1、缺乏对问题的业务理解而使机器学习失败。
通常机器学习工程师对于一个行业不了解的情况下，在加上经验不足，很容易导致方向性的错误。当然文章中也有友情提示说：“机器学习工程师要从假设声明开始，该声明你要明白解决的问题是什么，以及你要构建哪些模型来解决该问题。”，而在华为云的机器学习业务中就有最好的借鉴。 华为在机器学习这个领域，积累了相当多的行业经验，已做过了无数个不同行业的机器学习解决方案，并且通过总结归纳，已在华为云机器学习业务上针对行业性质做出了相当多的行业模型，（比如预测设备维护模型），这些模型都可供机器学习工程师参考。若机器学习工程师依然找不到合适的模型，华为也有专业的团队和多方合作伙伴可以为你做出的专业的解决方案。
2、数据质量差可能导致机器学习错误
文章中又提到：“糟糕的数据质量会导致糟糕的数据结果，进而导致组织做出不明智的商业决策”。当然华为是一个不会碰客户数据的企业，但是华为云在机器学习这方面是相当有经验的。就拿‘设备维护’来说，预测设备维护模型中会因故障案例缺乏而无法准确识别所有故障，对于早期故障的预判更是识别性低。故障案例缺乏更无大量相关数据支撑，设备维护的模型的预判更是准确率低。
“约翰逊说，探索性数据分析（EDA）是一个解决这一问题的主动方法。EDA可以识别基本数据质量问题，例如野值，空缺值和不一致的域值。”。探索性数据分析（EDA）确实能解决数据不准确的问题，但是却无法解决案例都缺乏的问题。而华为云在其方面则遇见过无数案例，在行业上也有专业的研究，对于案例故障自然清晰。对变量的拿捏与模型的拿捏自然是更上一层楼。
（华为云机器学习预测性维护解决方案）
参考文献：https://mp.weixin.qq.com/s/0Ky9HhiKWjQ8Rk2009JCzg
(未完待续)
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
技术火炬手2019/01/16 08:38:481楼编辑删除举报
https://bbs.huaweicloud.com/blogs/a56b6082196511e9bd5a7ca23e93a891
‘’机器学习失败的6种原因，你中招了吗？‘’，华为云帮您解决！！（3）
https://bbs.huaweicloud.com/blogs/4e730226196611e9bd5a7ca23e93a891