机器学习原理

面向业务的机器学习

Karolis Urbonas

Head of Machine Learning & Science, Amazon

机器学习类型

机器学习——将统计或计算机科学方法应用于数据，以：

1. 获取因果洞见

   "是什么导致客户取消我们的订阅？"

2. 预测未来事件

   "哪些客户可能在下个月退订？"

3. 识别数据模式

   "是否存在相似且以相似方式使用我们服务的客户群？"

监督式 vs 无监督式ML

机器学习——将统计或计算机科学方法应用于数据：

1. 获取因果洞见

   监督式机器学习

2. 预测未来事件

   监督式机器学习

3. 识别数据模式

   无监督机器学习

监督式ML的数据结构

目标变量

输入特征

示例输入特征

使用输入特征

预测目标变量

无监督ML的数据结构

无监督的输入特征

无监督ML的结果

ML示例——市场营销

监督式机器学习：

• 预测哪些客户下个月可能购买
• 预测每位客户的预期生命周期价值

无监督机器学习：

• 基于过往购买将客户分群

ML示例——金融

监督式机器学习：

• 识别指向潜在欺诈的关键交易属性
• 预测哪些客户将拖欠房贷

无监督机器学习：

• 按属性将交易分群，识别最盈利的群组

ML示例——制造业

监督式机器学习：

• 预测生产中可能有缺陷、需人工检验的物品
• 预测可能故障且需维护的机器

无监督机器学习：

• 对传感器读数分群并识别异常，以发现潜在制造故障

ML示例——交通运输

监督式机器学习：

• 预测包裹的预计送达时间
• 识别最快行车路线
• 预测产品需求，以备足库存、租/购车辆并招聘人员

Passons à la pratique !

面向业务的机器学习