ベストアンサー
http://nips.cc/Conferences/2007/Program/event.php?ID=573
から
構造化予測は、出力変数が相互に依存または制約されている分類または回帰の問題を解決します。これらの依存関係と制約は、問題領域の順次、空間、または組み合わせの構造を反映しており、そのような相互作用をキャプチャすることは、多くの場合、入出力の依存関係をキャプチャすることと同じくらい重要です。自然言語解析、機械翻訳、オブジェクトセグメンテーション、遺伝子予測、タンパク質アラインメント、および計算言語学、音声、視覚、生物学における他の多くのタスクを含む、そのような多くの問題は新しいものではありません。ただし、最近の進歩により、統一されたビュー、効率的な方法論、さらに重要なことに、古典的な問題と新しい問題の両方の精度が大幅に向上しました。このチュートリアルでは、入力の高次元性と可能な共同結果の数の指数関数的爆発から生じる基本的な計算および統計上の課題について説明します。幅広いクラスの問題に対するこれらの課題を解決するためのいくつかの領域での開発の合流点について説明します。予測のための大きなマージンとオンラインの方法、グラフィカルモデル推論のための変分法、および大規模な組み合わせと凸最適化です。また、漸近的一貫性、近似推論の効果、半教師あり学習、弱教師あり学習など、構造化予測が特に難しいいくつかの未解決の問題について概説します。
この用語は「分類」とは反対に定義されています。大まかに、入力データxが与えられた場合、そのデータにラベルyを割り当てます。つまり、このメールはスパムですか？この患者は病気ですか？ 「構造化予測」は、いくつかの入力データxが与えられると、そのデータに関連する最良の構造yを見つけようと答えようとします。この区別は、yが翻訳のように大きな/指数関数的な可能性のセットに由来する場合に重要です。これは、問題を解決するために何らかの検索が必要であることを意味します。このように問題を組み立てると、検索と学習の間のトレードオフが浮き彫りになります。 yよりも高速な検索手法を選択すると、特徴の表現が浅くなり、パフォーマンスが低下する可能性があります。
回答
人間の予測は履歴データに基づいており、人間の操作に基づいてデータをクエリし、パターンを検証します。 、仮定を作成してテストします。
人間の予測分析アプリケーションには、次の3つの基本的なコンポーネントが含まれます。
- データ：すべての予測モデルの有効性は、処理する履歴データの品質に大きく依存します。
- 統計モデリング：さまざまな統計手法が含まれます意味、洞察、推論の導出に使用される基本的な機能から複雑な機能までさまざまです。回帰は、最も一般的に使用される統計手法です。
- 前提条件：収集および分析されたデータから導き出された結論は、通常、将来がパターンに従うことを前提としています。過去に関連しています。
人間の予測は、ビジネスの生産性を高めるためにさまざまな方法で適用できます。データ分析から得られた予測的洞察は、マーケティング担当者にとって非常に役立ちます。それらは、キャンペーンの有効性を予測し、販促素材、地理的市場、および人口統計に関する意思決定に情報を提供するのに役立ちます。しかし、ターゲットを絞り、セグメント化する意欲が詳細であるほど、時間とコストの要求が高くなり、ハイパーパーソナライズされたキャンペーンを成功させることはほぼ不可能になります。
AIの予測
AI予測は、予測分析に関する概念の続きですが、1つの重要な違いがあります。それは、AIシステムが仮定を立て、テストし、自律的に学習できることです。
AIは、ハイパーパーソナライズされたマーケティングに利用される最も著名な手法の1つです。 AI機械学習は、人間の介入なしに、仮定を立て、モデルを再評価し、データを再評価します。これによりすべてが変わります。
AIとは、人間のエンジニアが考えられるすべてのアクション/反応をコーディングする必要がないことを意味するのと同様に、AI機械学習はデータをテストおよび再テストして、考えられるすべての顧客製品を予測できます。一致し、人間が達成できない速度と能力で。
テクノスタックのような多くの企業は、今日、クライアントをよりよく理解するために機械学習アルゴリズムに依存していますと潜在的な収益機会。何百もの既存および新しく開発された機械学習アルゴリズムを適用して、人間の介入にあまり依存せずにリアルタイムの意思決定を導くハイエンドの予測を導き出します。