最近在看一本讲机器学习算法的书。书中介绍了分类算法和线性回归算法。正巧公司在做运行风险控制系统的合格审定，审定中对各种风险仍然是“专家打分”、“权重调整”、“合并计算”的方式，计算出某个航班的风险数值。但是实际运行中，总觉得和实际情况有些偏差。

我个人认为，原因是其中“专家打分”和“权重计算”就带有主观性。看了机器学习算法的书后，学到书中介绍的“分类算法”，可以根据现有的定性数据，训练出一个专家算法，用来给后续的新数据定性，或者说分类。

比如我想训练一个：某个机场带有TSRA预报和航班是否备降的专家算法。我就需要用1000个飞行计划数据和1000个气象预报报文，将气象预报的内容与航班是否备降建立联系。用来预测今后航班遇到雷雨时备降的风险值。

这样的做法，比简单地由某个人类专家，对机场雷雨的影响作出判断，来的更科学。

如果，公司可以把运行数据格式化，特别是把放行的要素格式化，运用现在热门的大数据和人工智能算法，计算运行风险值，那么这样的风险控制系统就变得更有意义了。