三问(why?what?how?)金融领域的机器学习
机器学习可能会很有魔力,即使它背后没有魔法。尽管如此,机器学习项目的成功更多地取决于构建高效的基础架构,收集合适的数据集以及应用正确的算法。
机器学习已经在金融服务行业中取得重大进展。让我们看看为什么金融公司可以通过AI和机器学习实现什么解决方案,以及他们如何应用这项技术。
定义
我们可以将机器学习定义为数据科学的一个子集,它使用统计模型来绘制洞察并进行预测。下图解释了人工智能,数据科学和机器学习之间的关系。为了简单起见,我们在这篇文章中专注于机器学习。
机器学习解决方案的神奇之处在于,他们可以从经验中学习而无需明确编程。简而言之,你需要选择模型并将数据提供给它们。然后,模型会自动调整其参数以改善结果。
数据科学家使用现有数据集训练机器学习模型,然后将训练有素的模型应用于现实生活中。
模型作为后台进程运行,并根据其训练方式自动提供结果。数据科
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
「架构技术专题」如何构建网站高可用架构(详细分析篇)?(6)
网站的可用性(Avaliability)描述网站可有效访问的特性。 1、网站可用性的度量与考核 网站不可用时间(故障时间)=故障修复时间点-故障发现(报告)时间点 网站年度不可用时间=(1-网站不可用时间/年度时间)× 100% 可用性指标时网站架构设计的重要指标,对外是服务承诺,对内是考核指标,具体到每个工程师,更多的是使用故障分。 所谓故障分是指对网站故障进行分类加权计算故障责任的方法。如下是个案例: 分类描述权重 事故级故障严重故障,网站整体不可用100 A类故障网站访问不顺畅或核心功能不可用20 B类故障非核心功能不可用,或核心功能少数用户不能访问5 C类故障其他故障1 故障分的计算公式为: 故障分=故障时间(分钟)* 故障权重 2、网站的高可用架构 一个典型的网站设计通常遵循如下图所示的基本分层模型。 在负载的大型网站架构中,划分的粒度会更小,更详细,但通常还是能够把这些服务器划分到这三层中。 对于应用层的服务器通常为了应对高并发的访问请求,会通过负载均衡设备将一组服务器组成一个集群共同 对外提供服务,当负载均衡设备通过心跳检测到某台服务器不可用时,就将其从集群列表中提出,并...
- 下一篇
Spring Cloud Hystrix(断路器)
Hystrix:熔断器,容错管理工具,旨在通过熔断机制控制服务和第三方库的节点,从而对延迟和故障提供更强大的容错能力。 github地址:https://github.com/Netflix/hystrix 微服务存在的问题 在微服务架构中,我们将系统拆分为很多个服务,各个服务之间通过注册与订阅的方式相互依赖,由于各个服务都是在各自的进程中运行,就有可能由于网络原因或者服务自身的问题导致调用故障或延迟,随着服务的积压,可能会导致服务崩溃。为了解决这一系列的问题,断路器等一系列服务保护机制出现了。 断路器本身是一种开关保护机制,类似于保险丝,用于在电路上保护线路过载,当线路中有电器发生短路时,断路器能够及时切断故障电路,防止发生过载、发热甚至起火等严重后果。 在分布式架构中,断路器模式的作用也是类似的。 针对上述问题,Spring Cloud Hystrix 实现了断路器、线路隔离等一系列服务保护功能。它也是基于 Netflix 的开源框架 Hystrix 实现的,该框架的目标在于通过控制那些访问远程系统、服务和第三方库的节点,从而对延迟和故障提供更强大的容错能力。Hystrix 具备服...
相关文章
文章评论
共有0条评论来说两句吧...