GNY：用机器学习做出更好的决策

机器学习是一种数据分析技术，可以教计算机去仿人类思考并从经验中学习，机器学习算法直接从数据中“学习”信息。随着可用于学习的样本数量的增加，这些算法可以自主适应并提高其性能。深度学习是机器学习的一种特殊形式。

?

机器学习为什么重要？

随着大数据的兴起，机器学习已解决以下领域的关键技术问题：

1：金融计算，用于信用评分和算法交易

2：图像处理和计算机视觉，用于人脸识别、运动检测和物体检测

3：生物计算学，用于肿瘤检测、药物发现和DNA测序

4：能源生产，用于汽车价格、负荷预测、航空航天和制造业预测性维护

5：自然语言处理，用于语音识别应用

?

更多数据，更多疑问，更好的答案

机器学习算法会在数据中找到自然模式，从而产生洞察力并帮助您做出更好的决策和预测。可以在医疗诊断，股票交易，能源负荷预测等方面使用它们做出关键决策。例如，媒体网站依靠机器学习来筛选数百万个选项，从而为用户提供歌曲或电影推荐。零售商使用它来了解客户的购买行为。

当遇到复杂任务或涉及大量数据和大量变量，但没有现成解决方案能解决问题时，机器学习不失为一种良好的尝试手段。例如，需要在交易记录中检测欺诈，机器学习是不错的选择。

机器学习使用两种类型的技术：监督学习（在已知的输入和输出数据上训练模型，以便可以预测未来的输出）和无监督学习（在输入数据中发现隐藏的模式或内在结构）。

?

监督学习

监督机器学习建立了一个模型，该模型在存在不确定性的情况下基于证据进行预测。监督学习算法采用一组已知的输入数据和对数据（输出）的已知响应，并训练模型以生成对新数据响应的合理预测。

监督学习使用分类和回归技术来开发预测模型。分类技术可预测不同的响应，例如，电子邮件是有效的还是垃圾邮件，肿瘤是癌变还是良性肿瘤。分类模型将输入数据分类，典型的应用包括医学成像，语音识别和信用评分。

无监督学习

无监督学习会发现数据中的隐藏模式或内在结构。它用于从无输入响应的输入数据组成的数据集中得出推论。例如，如果一家手机公司想要优化建造手机发射塔的位置，则他们可以使用机器学习来预估依靠发射塔的人群数量。

?

如何利用GNY机器学习做出更好的决策？

GNY使机器学习变得容易。GNY的核心产品是Genie，这是一款基于区块链+AI的推荐引擎，可根据交易历史，人口统计，位置，时间，社交媒体活动，偏好和行为提供对消费者购买行为的准确预测。

?

Genie使：

零售商：能够在正确的时间使用正确的渠道，通过相关的信息来定位忠实的和潜在的顾客。提供不断更新的实时预测，从而使零售营销人员和销售商能够跟上跨不同渠道移动的消费者步伐。

用户：逻辑回归、集成方法和深度学习等方法。使用模型优化和技术创建一个准确的模型，提升数据的捕获能力。

Genie的实施涉及技术与咨询的和谐集成。首先定义所需的最终消费者，然后无缝插入零售商的销售点，CRM和忠诚度系统，以获取不同的数据源，例如消费者数据，产品数据，交易数据和广告系列数据。由于它是基于云端的解决方案，因此这些功能被添加到零售商系统的后端功能中，而无需安装任何其他软件。

Genie运行机器学习算法，使用历史数据中的重要分析来准确预测消费者的下一次动作，从而创建相似消费者定制模式。

—-

编译者/作者：一颗花椰菜

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。