因为有一百二十个变量影响着冷却系统（风扇、水泵转速、窗等），使用传统的方法来建造模型将是一个非常艰巨的任务。而Google应用机器学习，将整体能源消耗降低了百分之十五。这将为Google在未来几年节省数亿美元。
此外，机器学习对于准确预测未来事件而言也很有价值。鉴于使用传统数据分析所构建的数据模型是静态的，随着越来越多的数据被捕获和吸收，机器学习算法会随着时间的推移而不断改进。这意味着机器学习算法可以做出一些预测，将实际发生的情况与其预测的情况进行比较，然后进行调整，从而变得更加准确。
通过机器学习实现的预测分析对于许多物联网应用来说都是非常有价值的。我们来看几个具体的例子。
物联网中的应用
工业应用的成本节约
预测的能力在工业环境中非常有用。通过从机器内部或表面上的多个传感器绘制数据，机器学习算法可以“学习”机器的典型特征，然后检测异常状况。
一个名叫Augury的公司做的正是这个事情，它在设备上安装了振动和超声波传感器：
“收集的数据被发送到我们的服务器中，在那里与从该机器收集到的原来的数据以及从类似机器收集到的数据进行比较。我们的平台可以检测到最微小的变化，并在故障发生时发出警告。这个分析是实时完成的，其结果会在几秒钟内显示在技术人员的智能手机上。”
预测机器何时需要维护是非常有价值的，它将节省数百万美元的成本。Goldcorp就是一个很好的例子，它是一家采矿公司，使用巨大的车辆来运送材料。
当这些运输车辆出现故障时，将导致Goldcorp每天损失200万美元。Goldcorp正在使用机器学习预测机器需要维护的时间，准确度超过百分之九十，这节省了巨大的成本。
塑造个人体验
其实我们都熟悉我们日常生活中的机器学习。Amazon和Netflix都在使用机器学习来了解我们的偏好，并为用户提供更好的体验。这可能意味着它会向你推荐你可能喜欢的产品或推荐一些相关的电影和电视节目。
同样的，在物联网的机器学习中，它能将我们的环境塑造成我们个人所喜爱的这一事实将非常有价值。Nest Thermostat是一个很好的例子，它使用机器学习来了解你对冷热度的偏好，确保当你下班回家或在早晨醒来时，房间的温度是合适的。