為了把機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于工業(yè)，須先了解機(jī)器學(xué)習(xí)分成哪里些種類(lèi)，有哪里些不同的算法，以及實(shí)際應(yīng)用時(shí)有什么值得注意的地方。

據(jù)報(bào)導(dǎo)，機(jī)器學(xué)習(xí)算法逐漸潛入我們?nèi)粘Ｉ?，但是工業(yè)應(yīng)用卻面臨不少瓶頸，不如消費(fèi)應(yīng)用那么普及，Inductive AutomaTIon的Kathy Applebaum指出，綜觀目前工業(yè)采用機(jī)器學(xué)習(xí)技術(shù)的情況，以預(yù)測(cè)性維護(hù)(PM)為大宗，其次是品管、需求預(yù)測(cè)和機(jī)器人訓(xùn)練。

機(jī)器學(xué)習(xí)主要分成三大類(lèi)型。首先是資料分析，Applebaum指出，診斷性分析(diagnosTIc analysis)是為了找出問(wèn)題的原因，預(yù)測(cè)性分析(predicTIve analysis)則根據(jù)過(guò)去的資料預(yù)測(cè)未來(lái)，建議性分析以預(yù)測(cè)性分析為基礎(chǔ)，建議該如何解決問(wèn)題。

至于算法的種類(lèi)，第一種是分群算法(k-means)，InducTIve Automation的Kevin McClusky指出，分群算法不清楚各個(gè)類(lèi)別所代表的意義，只會(huì)計(jì)算每一個(gè)點(diǎn)到已設(shè)定的群集中心的最短距離，進(jìn)而決定下一個(gè)群集中心，很適合進(jìn)行資料分類(lèi)，完成缺陷分析。

第二種算法稱(chēng)為決策樹(shù)，Applebaum認(rèn)為很適合預(yù)測(cè)性維護(hù)，也可以跟其它算法搭配使用。

第三種算法稱(chēng)為回歸分析，McClusky認(rèn)為適合調(diào)整工作流程和預(yù)測(cè)產(chǎn)量，例如依照目前的變量來(lái)預(yù)測(cè)產(chǎn)量。至于神經(jīng)網(wǎng)絡(luò)算法，則是模擬人腦的運(yùn)行方式，工業(yè)最常見(jiàn)的應(yīng)用是在視覺(jué)系統(tǒng)。

無(wú)論何種機(jī)器學(xué)習(xí)應(yīng)用，都需要先收集優(yōu)質(zhì)的資料，首要之務(wù)便是找到適合的資料并加以處理，進(jìn)而確保資料質(zhì)量。McClusky也建議企業(yè)執(zhí)行機(jī)器學(xué)習(xí)計(jì)畫(huà)時(shí)，務(wù)必采用擷取、轉(zhuǎn)換和載物(ETL)來(lái)取得資料，把資料收集流程自動(dòng)化。Applebaum則建議勇于多嘗試不同的算法，各家供應(yīng)商皆有提供分群、神經(jīng)網(wǎng)絡(luò)、回歸等各式各樣的算法。