来源：大数据DT

本文约7695字，建议阅读15分钟。

本文通过案例分门别类地深入探讨人工智能的实际应用。案例甚多，此处所列举的仅是九牛一毛。本该按行业或业务对这些案例进行分类，但相反我选择按在行业或业务中最可能应用的顺序来分类。

本文将使用“算法”一词，以高度简化的方式来描述单个算法、模型或者使用多种算法的软件。在每个类别中，逐一讨论数据输入的类型、作为黑箱的算法以及输出（为了简便易行，即使真实算法不是黑箱也暂且把它当成黑箱）。

因为这是高层次的概述，所以我鼓励你深入研究感兴趣的具体应用，搞清楚它们究竟是如何应用于行业或者业务活动的。目前也有很多资源可供使用，以学习所涉及的技术细节和具体算法。

预测是预测分析或者预测建模的同义词，这是根据有标签，以及有时甚至无标签的输入数据来判断输出数据的过程。在机器学习和人工智能中，预测分析可以进一步细分为回归和分类。

下面将对使用有标签数据（有监督）进行预测的两个子类进行讨论。

1. 回归

图1-1展示了在回归方法中输入有标签数据，经预测模型处理，然后从连续数列中生成数值的过程（例如股市的闭市价）。

▲图1-1：回归

应用包括客户全周期的股票价值和净利润、收入及其增长预测、价格变动、信贷违约风险以及股票交易计算。

2. 分类

分类指的是输入有标签数据，经过分类模型处理后，把输入数据分成一类或多类的过程，如图1-2所示。