우수 답변
From http://nips.cc/Conferences/2007/Program/event.php?ID=573
구조화 된 예측은 출력 변수가 상호 의존적이거나 제한적인 분류 또는 회귀 문제를 해결합니다. 이러한 종속성과 제약은 문제 영역에서 순차적, 공간적 또는 조합 적 구조를 반영하며 이러한 상호 작용을 캡처하는 것은 종종 입력-출력 종속성을 캡처하는 것만 큼 중요합니다. 자연어 구문 분석, 기계 번역, 객체 분할, 유전자 예측, 단백질 정렬 및 컴퓨터 언어학, 음성, 시각, 생물학의 수많은 기타 작업을 포함한 많은 문제는 새로운 것이 아닙니다. 그러나 최근의 발전으로 통일 된 관점, 효율적인 방법론, 그리고 더 중요한 것은 고전적 문제와 새로운 문제 모두에 대한 상당한 정확도 향상을 가져 왔습니다. 이 튜토리얼은 입력의 높은 차원과 가능한 공동 결과의 수의 기하 급수적 인 폭발로 인해 발생하는 기본적인 계산 및 통계 문제를 설명합니다. 나는 큰 마진과 예측을위한 온라인 방법, 그래픽 모델 추론을위한 변형 방법, 대규모 조합 및 볼록 최적화와 같은 광범위한 문제 클래스에 대한 이러한 문제를 해결하는 데있어 여러 영역에서 개발의 합류점을 설명 할 것입니다. 또한 점근 적 일관성, 근사 추론의 효과, 준지도 및 약한지도 학습을 포함하여 구조화 된 예측에서 특히 어려운 몇 가지 공개 된 문제를 설명 할 것입니다.
이 용어는 “분류”와는 반대로 정의됩니다. 느슨하게 입력 데이터 x가 주어지면 해당 데이터에 레이블 y를 할당합니다.이 이메일이 스팸입니까? 이 환자는 질병이 있습니까? “구조적 예측”은 일부 입력 데이터 x가 주어지면 해당 데이터와 관련된 최상의 구조 y를 찾으려고 대답합니다. 이 구분은 y가 번역에서와 같이 큰 / 지수 적 가능성 집합에서 나올 때 중요합니다. 이는 문제를 해결하기 위해 일종의 검색이 필요함을 의미합니다. 이러한 방식으로 문제를 구성하면 검색과 학습 사이의 절충안이 강조됩니다. y보다 빠른 검색 기술을 선택하면 특징 표현이 더 얕아지고 성능이 저하 될 수 있습니다.
답변
인간 예측은 과거 데이터를 기반으로하며 인간의 상호 작용에 의존하여 데이터를 쿼리하고 패턴을 검증합니다. , 가정을 생성 한 다음 테스트합니다.
인간 예측 분석 애플리케이션에는 세 가지 기본 구성 요소가 포함됩니다.
- 데이터 : 모든 예측 모델의 효과는 처리하는 이전 데이터의 품질에 크게 좌우됩니다.
- 통계 모델링 : 다양한 통계 기술을 포함합니다. 의미, 통찰력 및 추론을 유도하는 데 사용되는 기본 기능부터 복잡한 기능까지 다양합니다. 회귀는 가장 일반적으로 사용되는 통계 기법입니다.
- 가정 : 수집 및 분석 된 데이터에서 도출 된 결론은 일반적으로 미래가 패턴을 따를 것이라고 가정합니다. 과거와 관련이 있습니다.
인간의 예측은 비즈니스 생산성을 향상시키기 위해 다양한 방법으로 적용될 수 있습니다. 데이터 분석에서 파생 된 예측 통찰력은 마케터에게 매우 유용합니다. 캠페인 효과를 예측하고, 담보, 지리적 시장 및 대상 인구 통계에 대한 의사 결정을 알릴 수 있습니다. 그러나 타겟팅 및 세분화에 대한 욕구가 자세할수록 시간과 비용이 더 많이 요구되므로 성공적이고 개인 맞춤화 된 캠페인은 거의 불가능합니다.
AI 예측
AI 예측은 예측 분석에 대한 개념의 연속이며 한 가지 중요한 차이점이 있습니다. AI 시스템은 가정을 만들고 테스트하고 자율적으로 학습 할 수 있습니다.
AI 초 개인화 된 마케팅에 사용되는 가장 눈에 띄는 기술 중 하나입니다. AI 머신 러닝은 사람의 개입없이 가정을하고 모델을 재평가하고 데이터를 재평가합니다. 이것은 모든 것을 변화시킵니다.
AI가 인간 엔지니어가 가능한 모든 행동 / 반응에 대해 코딩 할 필요가 없다는 것을 의미하는 것처럼, AI 기계 학습은 가능한 모든 고객 제품을 예측하기 위해 데이터를 테스트하고 다시 테스트 할 수 있습니다. 인간이 얻을 수없는 속도와 기능으로 일치합니다.
오늘날 Technostacks 와 같은 많은 회사는 고객을 더 잘 이해하기 위해 기계 학습 알고리즘에 의존합니다. 그리고 잠재적 인 수익 기회. 수백 개의 기존 및 새로 개발 된 기계 학습 알고리즘이 사람의 개입에 덜 의존하면서 실시간 결정을 안내하는 고급 예측을 도출하는 데 적용됩니다.