https://mp.weixin.qq.com/s/buv3R6AEr5PWhjpniYh_BQ
作者曾介绍过SAP将智能企业愿景推向市场的原因，以及帮助企业应对数字化挑战。
本篇博客的目的，是尝试解释机器学习的基本概念，以及如何在SAP的产品组合中利用它？
智能企业的一个关键要素，是将机器学习算法，注入企业软件业务流程。机器学习算法本身并不是什么新鲜事，但它们最近一直处于非常热门的状态，是因为我们正处于技术突飞猛进，并发展到可以做到大量应用可落地的阶段。
过去的30、50年，企业产生了大量的数据，最近的10年，企业数据产生的越来越快，越来越多。这些数据孕育了数字经济的曙光。如果它们得以有效的训练和处理，将会得到丰厚的回报。为企业带来价值。
1.
什么是机器学习？
机器学习算法的目标是确定一个数学模型，我们称之为函数f（），在y = f（x）中，其中x代表任何现实世界的观察，y代表一些评估，识别或处理由那些x。
有三种主要的机器学习算法类型：监督学习，半监督学习和无监督学习。
监督学习与标记数据一起工作，意味着通过分析训练数据，找出基于真实世界观察（x）的方程y = f（x）来预测/推断某些特定结果（y）。
半监督学习与一些标记数据和许多未标记数据一起工作，这意味着找出方程y = f（x），即使结果值（y）仅为有限的一组观察（x）所知，例如在抽样方案中。
无监督学习仅使用（x）输入数据，这意味着找出隐藏的结构或观察之间的关系（x）。从该分析中自动生成变量（y）。
为了增加另一层复杂性，我们打算定义的函数f（）通常受很多变量的影响，彼此之间可能存在依赖关系：y = f（x1，x2，x3，…，xn）。
机器学习算法根据训练数据建立数学模型f（），最终目标是在没有明确编程的情况下进行统计预测或决策。
"训练"模型然后意味着从训练数据集的示例中确定所有（xn）的"正确"值（y）。例如，在监督学习中，机器学习算法通过检查许多标记数据（xn）并试图找到使损失最小化的模型来建立模型。
损失是指示模型预测在单个示例（a bad（y））上有多糟糕的数字。如果模型的预测是完美的，那么损失将为零；否则，损失会很高。训练模型的目的是找到一组具有低损耗的（xn），然后推断出正确的（y）。
下图为训练机器学习模型的机制：
