机器学习6大应用场景分析
数据分析——量化交易——风控领域——工业制造——特征工程——数据挖掘
1、机器学习在数据分析领域
机器学习可不仅仅就是模型，还包括了处理数据的一套流水线
数据处理方法较多
基本根据业务选择合适的方法
套路相对固定，一套脚本走天下
这是建模前必须要完成的一件事
2、机器学习在数据挖掘领域的应用
模型就是要让计算机来解释我们的业务了，从人为主观到计算机认为。
在数据分析中是我觉得，我认为；在数据挖掘模型中只有模型输出的结果。
数据挖掘是当下最热门领域之一，工艺参数优化，业务决策等都靠它了！
3、机器学习在特征工程领域应用
无论后续要做什么事，特征工程都是最核心的一步。
特征决定了结果的上限，算法只决定如何能更好逼近这个上限。
最耗时，耗经历的就是特征了，套路难固定，基本全靠业务分析。
4、机器学习在量化交易中的应用
热门方向，都在向往的方向（躺着就赚钱），真的这么简单吗？
为什么量化交易算法经常失效？历史数据稳赚，新数据就不行了呢？
5、机器学习在风控领域应用
不仅仅是独立的样本数据，关系数据也可以。
本质来说还是建模分析，是一个相对综合的领域。
6、机器学习工业（制造业）的应用
工业（制造业）现在大量数字化转型，机器学习早已赋能制造业。
新能源企业：机器学习模型寻找合适的电解质材料，设计与加工。
汽车企业：机器学习建模碰撞检测，寻找合适的车型设计指标。
化工企业：机器学习建模进行安全识别，实时监控安全问题。
车间流水线：智能识别，缺陷检测等，替代大量人工操作。
