什么是机器学习？
机器学习是计算机程序可以学习和适应新数据而无需人工干预的概念。 机器学习是人工智能（AI）的一个领域，无论全球经济如何变化，它都会使计算机的内置算法保持最新状态。
机器学习解释
经济的各个部门都在处理来自不同来源的各种格式的大量数据。 随着技术的不断发展，称为大数据的海量数据变得易于获取和访问。 公司和政府意识到，利用大数据可以获得巨大的见解，但缺乏梳理其丰富信息所需的资源和时间。 因此，不同行业正在采用人工智能措施来收集，处理，交流和共享来自数据集的有用信息。 越来越多地用于大数据处理的AI的一种方法是机器学习。
机器学习应用
机器学习的各种数据应用程序是通过内置在机器或计算机中的复杂算法或源代码形成的。 该编程代码创建一个模型，该模型标识数据并围绕其标识的数据建立预测。 该模型使用算法中内置的参数来形成其决策过程的模式。 当有新数据或其他数据可用时，该算法会自动调整参数以检查模式更改（如果有）。 但是，模型不应更改。
出于各种原因，机器学习被用于不同的领域。 可以对交易系统进行校准以识别新的投资机会。 可以调整营销和电子商务平台，以根据用户的互联网搜索历史或先前的交易向其用户提供准确和个性化的建议。 贷款机构可以结合机器学习来预测不良贷款并建立信用风险模型。 信息中心可以使用机器学习来覆盖来自世界各个角落的大量新闻故事。 银行可以利用机器学习技术创建欺诈检测工具。 随着企业和政府越来越意识到大数据所带来的机遇，将数字机器时代与机器学习相结合的过程是无止境的。
机器学习的工作原理
可以通过金融界的插图更好地解释机器学习的工作原理。 传统上，证券市场中的投资参与者，例如金融研究人员，分析师，资产经理，个人投资者，会搜索来自世界各地不同公司的大量信息，以做出有利可图的投资决策。 但是，一些相关的信息可能不会被媒体广泛传播，并且可能只有少数几位具有特权，这些人具有成为公司员工或信息来源国的居民的优势。 此外，在给定的时间内，人类只能收集和处理大量信息。 这就是机器学习的用武之地。
资产管理公司可以在其投资分析和研究领域中使用机器学习。 假设资产经理仅投资于矿业股票。 系统中内置的模型可扫描Web并收集来自企业，行业，城市和国家的所有类型的新闻事件，收集的这些信息构成了数据集。 公司的资产管理人员和研究人员将无法使用其人力和智力来获取数据集中的信息。 与模型一起建立的参数仅从数据集中提取有关矿业公司，勘探部门的监管政策以及特定国家/地区政治事件的数据。 假设一家矿业公司XYZ刚刚在南非的一个小镇中发现了一座钻石矿，则机器学习应用程序会将其突出显示为相关数据。 然后，该模型可以使用称为预测分析的分析工具来预测采矿业在一段时间内是否会盈利，或者哪些采矿股在特定时间可能会增值。 此信息将中继到资产经理，以对其资产组合进行分析并做出决策。 资产经理可能会决定向XYZ股票投资数百万美元。
在发生不利事件（例如南非矿工罢工）后，计算机算法会自动调整其参数以创建新模式。 这样，即使世界事件发生了变化，机器中内置的计算模型仍保持最新状态，而无需人工调整其代码以反映变化。 因为资产经理按时收到了这些新数据，所以他们可以通过退出股票来限制他的损失。
