和机器一起工作

和机器一起工作 
诚然，很多人都不愿意让机器来做分析、做决策并去执行。所以早期的工作的项目重点，就是要先建立信任： 

从小事做起，来证明机器学习的价值：找到一个特定的、可解决的业务问题，它能够很好地响应数据驱动的方法，然后通过测试和误差分析来不断地改进算法，积累在技术层面的信任。 

人工检查处理的结果，然后验证机器的结论：将机器学习算法的信心水平制成晴雨表，如果达到90％的置信水平，可能就不再需要人工的干预了。 

创建一个验证反馈的环路：机器学习的价值之一就是会产生不可预知的洞察力，虽然有时会难以接受这它不反直觉的发现。例如，在检查库存管理系统时，发现它想订购400件衬衫，但是直觉告诉你不需要。那就认真检查一下，看看是否真的有这种需求，如果有，那么机器就是正确的，以后也就更容易相信机器给出的建议。 

定义关键绩效指标（KPI）来衡量，并使用它来严格测试机器学习的成果：这些数字不仅能够给人带来信心，同样也能促使机器学习算法的不断完善。