---
title: 算法技术介绍
description: "机器学习算法是在数据集中发现自然模式，支撑更好地制定决策和做出预测。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdsml_19_0003.html
sourcePath: /source/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdsml_19_0003.html
indexId: a9bdf24ad6b6f7586fdab8b7a6761667a13ca0ce49ef8cb7f49755d6410e6d2883
---
# 算法技术介绍

机器学习算法是在数据集中发现自然模式，支撑更好地制定决策和做出预测。

- 预测类型
  邮箱系统依靠机器学习分类算法，将收到的邮件区分为正常邮件和垃圾邮件，提升用户体验。

- 预测数值
  气象局使用机器学习回归算法，通过对近期的温度、湿度、风向等数据进行分析，实现气温预测。

- 规律挖掘
  深入分析客户的购买行为，零售商利用模式挖掘算法，得出结论：部分商品（如牛奶+面包）经常被同时购买。


什么情况下需要使用机器学习技术？

1. 遇到涉及大数据量或多影响因素的复杂任务或问题。
2. 没有明确的处理公式、业务规则。

例如利用交易记录中进行欺诈检测，任务模式不断变化、影响因素多，各种case难以用规则周全地覆盖；自动交易、购物趋势预测场景，数据模式不断变化，业务规则易失效，维护工作耗费人力；文本分类和语音识别场景，规则和模式太过复杂，无法用规则描述。以上场景均需要使用机器学习算法技术。

在客户端到端数据分析中，由ISV针对采集的数据进行数据预处理，例如选择数据源，对数据进行标注、结构化，对数据做有效性验证；鲲鹏BoostKit机器学习算法加速库实现算法模型计算，例如在监督学习算法中，先对数据做特征工程，然后基于输入数据做算法的模型训练，输出算法模型供客户或ISV做推理，最终实现结果可视化。


机器学习算法加速库提供以下算法优化，后续版本会持续更新增加算法。- 分类回归：SVM
- 聚类：DBSCAN
- 特征工程：DTB、Word2Vec