當前位置：
我假設你對智能樓宇已經有認知，而且已經知道了現在樓宇智能化的范疇正逐漸改變，除了控制系統和能源管理外，對樓宇服務的對象，也就是“人”的各種需要的滿足度的要求在迅速提高，有一部分是比較剛性的，容易用既有的技術手段實現的，比如樓宇亮化、消防、..等5A能實現的等；有一部分是柔性的，比如如何用有限的電梯讓高峰期排隊的人更少同時.節能；比如室內的溫濕度、光照等設備如何根據外部自然條件變化為住戶提供柔性的服務，讓家有家的溫度，辦公有辦公的調性，而且還能滿足個性化的需要等等。在這種背景前提下，物聯網、大數據等一系列的新技術的綜合應用成為“必然之選”。
只要三步
1 選擇并清洗數據
2 選擇合適的算法模型
3 訓練模型并調整參數
又酷又暖
假設我是一個正在出差的超級貼心男士，在一個霧霾較重、寒濕的初春，愛人在到家前一小時，我就根據愛人的日常作息規律開啟了空氣凈化、溫度調節甚至熱水器，還能給她播放她喜歡的音樂以及在她臨睡前跟她講睡前故事。但是有個問題，這是個性化的需要，即使我們能倚仗機器學習對整棟大樓進行推演，怎樣能讓這種推演能進入千家萬戶并迎合這種個性化帶來的復雜計算場景呢？
其實本質上是一樣，只不過此時能夠依據的數據量一開始很少，直接運用機器學習幾乎得不到任何有價值的預判，此時數據科學工具更多地是通過學習人工干預的習慣，比如每一次開燈的亮度，每一次調節出水的溫度等非常細節的傳感器數據，來推演“習慣”的路徑，配合不同與用戶相關的維度（如小孩、老人等）來綜合理解用戶希望獲得的體驗。
