Melhor resposta
De http://nips.cc/Conferences/2007/Program/event.php?ID=573
A previsão estruturada é uma estrutura para resolver problemas de classificação ou regressão em que as variáveis de saída são mutuamente dependentes ou restritas. Essas dependências e restrições refletem a estrutura sequencial, espacial ou combinatória no domínio do problema, e a captura de tais interações costuma ser tão importante quanto a captura de dependências de entrada-saída. Muitos desses problemas, incluindo análise de linguagem natural, tradução automática, segmentação de objetos, predição de genes, alinhamento de proteínas e inúmeras outras tarefas em linguística computacional, fala, visão, biologia, não são novos. No entanto, avanços recentes trouxeram uma visão unificada, metodologia eficiente e, mais importante, melhorias significativas de precisão para problemas clássicos e novos. Este tutorial irá explicar os desafios computacionais e estatísticos fundamentais decorrentes da alta dimensionalidade das entradas e da explosão exponencial do número de resultados conjuntos possíveis. Descreverei a confluência de desenvolvimentos em várias áreas na resolução desses desafios para amplas classes de problemas: grandes margens e métodos online para previsão, métodos variacionais para inferência de modelo gráfico e otimização combinatória e convexa em grande escala. Também delinearei várias questões abertas de dificuldade particular em predição estruturada, incluindo consistência assintótica, os efeitos da inferência aproximada, aprendizagem semissupervisionada e fracamente supervisionada.
O termo é definido em oposição a “Classificação”. Vagamente, dados alguns dados de entrada x, atribua um rótulo y para esses dados, ou seja, este e-mail é spam? Este paciente tem alguma doença? A “Predição Estruturada” tenta responder, dados alguns dados de entrada x, encontrar a melhor estrutura y relacionada a esses dados. Essa distinção é importante quando y vem de um conjunto grande / exponencial de possibilidades, como na tradução, o que implica que algum tipo de pesquisa é necessária para resolver o problema. Enquadrar o problema desta forma destaca a compensação entre pesquisa e aprendizagem. Escolher técnicas de pesquisa mais rápidas pode levar a representações de recursos mais superficiais e pior desempenho.
Resposta
As previsões humanas são baseadas em dados históricos e dependem da interação humana para consultar dados e validar padrões , crie e teste as suposições.
Os aplicativos de análise preditiva humana envolvem três componentes fundamentais:
- Dados: A eficácia de cada modelo preditivo depende fortemente da qualidade dos dados históricos que ele processa.
- Modelagem estatística: inclui as várias técnicas estatísticas variando de funções básicas a complexas usadas para a derivação de significado, percepção e inferência. A regressão é a técnica estatística mais comumente usada.
- Premissas: as conclusões tiradas dos dados coletados e analisados geralmente assumem que o futuro seguirá um padrão relacionado ao passado.
As previsões humanas podem ser aplicadas de várias maneiras para aumentar a produtividade dos negócios. Os insights preditivos derivados da análise de dados são extremamente úteis para os profissionais de marketing. Eles podem ajudar a prever a eficácia da campanha, informar a tomada de decisões sobre garantias, mercados geográficos e dados demográficos a serem atingidos. Porém, quanto mais detalhado for o desejo de direcionar e segmentar, maiores serão as demandas de tempo e custo, tornando uma campanha hiperpersonalizada de sucesso quase impossível.
Previsões de IA
A previsão de IA é uma continuação dos conceitos em torno da análise preditiva, com uma diferença fundamental: o sistema de IA é capaz de fazer suposições, testar e aprender de forma autônoma.
IA é uma das técnicas mais utilizadas para marketing hiperpersonalizado. O aprendizado de máquina de IA faz suposições, reavalia o modelo e reavalia os dados, tudo sem a intervenção de um ser humano. Isso muda tudo.
Assim como a IA significa que um engenheiro humano não precisa codificar cada ação / reação possível, o aprendizado de máquina de IA é capaz de testar e retestar dados para prever todos os possíveis produtos do cliente corresponder, a uma velocidade e capacidade que nenhum ser humano poderia atingir.
Muitas empresas como a Technostacks hoje dependem de algoritmos de aprendizado de máquina para entender melhor seus clientes e oportunidades potenciais de receita. Centenas de algoritmos de aprendizado de máquina existentes e recentemente desenvolvidos são aplicados para derivar previsões sofisticadas que orientam decisões em tempo real com menos dependência de intervenção humana.