多分类机器学习在实际生活中例子
●垃圾邮件检测:根据邮箱中的邮件，识别哪些是垃圾邮件，哪些不是。这样的模型，可以程序帮助归类垃圾邮件和非垃圾邮件。这个例子,我们应该都不陌生。
●信用卡欺诈检测:根据用户一个月内的信用卡交易，识别哪些交易是该用户操作的，哪些不是。这样的决策模型，可以帮助程序退还那些欺诈交易。
生活中数据库系统的实际例子●数字识别:根据信封上手写的邮编，识别出每一 个写字符所代表的数字。这样的模型,可以帮助程序阅读和理解手写邮编，并根据地利位置分类信件。
●语音识别:从一个用户的话语，确定用户提出的具体要求。这样的模型，可以帮助程序能够并尝试自动填充用户需求。带有Siri系统的iPhone就有这种功能。
●人脸识别:根据相册中的众多数码照片,识别出那些包含某一个 人的照片。这样的决策模型，可以帮助程序根据人脸管理照片。某些相机或软件，如iPhoto,就有这种功能。
●产品推荐:根据一个用户的购物记录和冗长的收藏清单，识别出这其中哪些是该用户真正感兴
趣，組愿意购买的产品。这样的决策模型,可以帮助程序为客户提供建议并鼓励产品消费。登录Facebook或GooglePlus,它们就会推荐可能有关联的用户给你。
●医学分析:根据病人的症状和一个匿名的病人资料数据库，预测该病人可能患了什么病。这样的决策模型，可以程序为专业医疗人士提供支持。
●股票交易:根据一支股票现有的和以往的价格波动，判断这支股票是该建仓、持仓还是减仓。这样的决策模型，可以帮助程序为金融分析提供支持。
●客户细分:根据用户在试用期的的行为模式和所有用户过去的行为，识别出哪些用户会转变成该产品的付款用户，哪些不会。这样的决策模型，可以帮助程序进行用户干预，以说服用户早些付款使用或更好的参与产品试用。
●形状鉴定:根据用户在触摸屏幕上的手绘和一个已知的形状资料库,判断用户想描绘的形状。这样的决策模型，可以帮助程序显示该形状的理想版本，以绘制清晰的图像。iPhone 应用Instaviz就能做到这样。