关于人工智能（AI）和机器学习（ML）有很多热门话题。从技术上讲，机器学习已经存在了很多年了。它现在正更多地进入主流世界，大淘客推广，解决许多领域的商业问题。让我们简单地看一下三种不同类型的机器学习的用例。

最早应用智能的群体是营销组织。我们都对它印象深刻我们几年前就收到了这些建议，返利公众号，但早期版本是基于预定结果的基于规则的引擎。如果客户购买剃须刀，那么建议使用剃须膏。虽然不是很有效，但总比没有好。

监督机器学习

下一个技术飞跃是将高级分析与基于规则的系统相结合。高级分析基于过去的交易和相似个体的行为创建了更复杂的建议。本质上，这是有监督的机器学习。数据科学家建立模型，淘客是啥，然后将算法嵌入到应用程序中自动执行。当您知道所要查找的结果并且数据相对静态时，这种方法非常有效。

无监督机器学习

无监督机器学习是处理非结构化数据（如语音、视频、图像和文本）的最佳方法。系统分析输入并进行学习。这种学习能力让人兴奋不已，并为以前无法解决的问题提供了解决方案。

这一过程最适用于可能正在演变且与以前的参考文献不同的图像。销售和服务平台中有许多应用程序可以利用这些功能。例如，无监督机器学习可以扫描故障单，确定解决问题的最佳组，看云，甚至建议可能的解决方法。

半监督机器学习

另一种机器学习是半监督的。这种方法没有无监督的完全学习能力，但是有许多用例可以从这种方法中受益，半监督的方法从数据中学习，但是它是由用户指示期望的结果。半监督ML利用类似的算法作为监督，但使系统能够在新数据被摄取的情况下对模型进行训练，提高速度以获得结果。多年来，销售和营销组织一直在利用半监督机器学习来应对需要许多定制模型的业务挑战。

其中一个例子是在线营销人员，他们希望实现个性化，即让客户感觉到提供的服务或参与是专为他们创建的。运营和工程部门现在开始采用这种方法来预测质量对产品和项目的影响，返利下载，这些影响可能是动态的？

正确的方法取决于要解决的问题。当您同时使用这三种方法时，可能会出现一些情况。有监督的机器学习用于静态的、定义良好的问题，需要完美的模型。无监督的机器学习用于整合当今互联世界中生成的所有图像、视频和语音。半监督以适应变化并生成在当今环境中竞争所需的众多模型。

话虽如此，关键是将机器学习结果合并到可能影响业务流程的应用程序中。

好处并非来自机器学习结果。收益来自于个人通过立即实施这些结果所能做出的过程改变。