0 просмотров

Предиктивная аналитика и машинное обучение: в чем разница?

Машинное обучение и предиктивная аналитика подходят к проблеме по-разному. В конце концов, прогнозная аналитика, вероятно, станет одним из приложений машинного обучения.

Это похоже на то, как жаждущий и утоленный подходят к одному и тому же стакану воды. Машинное обучение более адаптивно, новее и имеет больше степеней свободы, поэтому оно может позволить себе быть более гибким в подходе к проблеме. Предиктивная аналитика существует дольше и более процедурна в своем использовании.

Нет такой проблемы, которую прогнозная аналитика могла бы решить, которую не смогло бы решить машинное обучение. Но у прогнозной аналитики всегда есть целевая аудитория, а у машинного обучения — нет. Давайте исследовать.

Статья в тему:  Чем наш мозг отличается от развитого искусственного интеллекта

Распространенные варианты использования машинного обучения и предиктивной аналитики

Что такое прогнозная аналитика?

И машинное обучение, и прогнозная аналитика используются для прогнозирования набора данных о будущем. Прогнозная аналитика использует прогнозное моделирование, которое может включать машинное обучение. Предиктивная аналитика имеет очень конкретную цель: использовать исторические данные для прогнозирования вероятности будущего результата.

По своей сути аналитика любого рода — это просто прикладная математика, иногда известная как наука о данных.

Кто использует предиктивную аналитику?

Аудитория прогнозной аналитики, как правило, люди, что добавляет к ее работе дополнительный уровень необходимой коммуникации и интерпретируемости. Люди спросят: «Каковы будут продажи во втором квартале?» Предиктивная аналитика отвечает на этот вопрос с определенной степенью уверенности.

Для прогнозных аналитиков машинное обучение является продолжением их практики, еще одним инструментом в их наборе инструментов, который помогает им лучше выполнять свою работу. Используя ML, прогнозные аналитики могут:

  • Дайте ответы, с уверенностью, на более сложные проблемы.
  • Предлагайте ответы в режиме реального времени на вопросы, которые сохраняются во времени с постоянно меняющимися данными.
  • Исследуйте совершенно новые виды проблем.

Сценарии использования

прогнозная аналитика обычно проводится на числовых данных.Предиктивная аналитика используется для определения:

  • Когда датчик может выйти из строя
  • Когда торговать акциями
  • Шанс успеха маркетинговой кампании
  • Настроение сотрудников

Благодаря использованию машинного обучения прогнозная аналитика может расширить методы анализа настроений, чтобы увидеть, насколько довольны клиенты и сотрудники.

Статья в тему:  Каковы возникающие угрозы искусственного интеллекта

Машинное обучение

Машинное обучение отличается от прогнозной аналитики. Машинное обучение имеет меньше общего с отчетностью, чем с самим моделированием.

Машинное обучение — это первоклассный инструмент для проведения статистического анализа. Благодаря своей функции обучения он может точно настраивать параметры своих моделей в соответствии с данными. Это может потребовать много работы, если делать это вручную, используя передовые гетероскедастические методы и другие статистические инструменты, чтобы исключить различные точки данных для точной настройки параметров их моделей.

Машинное обучение использовало алгоритмы и вычислительные ресурсы, чтобы предложить множество вычислений, которые не тратят много времени на тщательное прочесывание весов модели. Отчасти в этом и плюсы, и минусы модели машинного обучения. Узлы модели определяют сами себя, поэтому обычному статистику не нужно их просеивать. Но тогда его также называют черным ящиком, потому что статистики не могут просеять узлы и определить, что они означают.

Машинное обучение — это инструмент, используемый многими компаниями для самых разных приложений. Такие компании, как Microsoft, Amazon, Google и многие другие, предлагают машинное обучение как услугу (MLaaS), где данные могут быть отправлены в API, а модель возвращена. Эти компании также предлагают ресурсы и даже инструкции по использованию машинного обучения в вашем приложении вместе со своими ресурсами.

Кто использует машинное обучение?

Если вы заметили, ничего в машинном обучении не говорит об аудитории. Машинное обучение хочет быть интерпретируемым. Однако на самом деле только хорошие модели поддаются интерпретации.Но, в отличие от прогнозной аналитики, алгоритмы машинного обучения не должны отвечать на основные вопросы корпорации. Могут, но это не требование машинного обучения.

Статья в тему:  Как Uber использует искусственный интеллект

Когда какой использовать?

Машинное обучение похоже на исчисление или физику: это инструмент, который нужно использовать. Предиктивная аналитика — это роль, которая вооружается инструментами для выполнения своей роли — машинное обучение — один из таких инструментов.

Машинное обучение не должно отвечать на вопросы людей. Их приложения можно создавать для развлечения, создавая реалистичные изображения и, казалось бы, настоящие сообщения в блогах. Предиктивная аналитика, как правило, имеет в виду варианты использования, такие как финансовые прогнозы бизнеса и опросы удовлетворенности сотрудников.

Дополнительные ресурсы

Для получения дополнительной информации по этой теме ознакомьтесь с этими ресурсами:

  • Блог BMC о машинном обучении и больших данных
  • Машинное обучение, наука о данных, искусственный интеллект, глубокое обучение и статистика
  • Роль прогнозной аналитики в облачных операциях
  • Лучшие фреймворки машинного обучения для использования в 2020 году
  • Машинное обучение с TensorFlow и Keras, руководство из нескольких частей
  • Руководство Apache Spark по машинному обучению

Изучите машинное обучение с помощью нашего бесплатного загружаемого руководства

Эта электронная книга обучает машинному обучению самым простым способом. Эта книга предназначена для менеджеров, программистов, директоров и всех, кто хочет изучить машинное обучение. Мы начинаем с очень базовой статистики и алгебры и строим на этом.

Эти сообщения являются моими собственными и не обязательно отражают позицию, стратегию или мнение BMC.

Видите ошибку или есть предложение? Пожалуйста, сообщите нам об этом по электронной почте blogs@bmc.com.

Статья в тему:  На что похожа работа с искусственным интеллектом?

BMC приносит A-Game

BMC работает с 86% участников списка Forbes Global 50, а также с клиентами и партнерами по всему миру, чтобы создать свое будущее. Благодаря нашей истории инноваций, ведущим в отрасли решениям для автоматизации, управления операциями и услугами в сочетании с непревзойденной гибкостью мы помогаем организациям высвободить время и пространство, чтобы стать автономным цифровым предприятием, которое завоевывает возможности в будущем.
Узнайте больше о BMC ›

Вам также может понравиться

Внимательный ИИ: 5 концепций осознанного искусственного интеллекта

Что такое глубокая нейронная сеть? Объяснение глубоких сетей

Ресурсы Hadoop: обучение, конференции и многое другое

Типы визуализации Power BI

Машинное обучение ElasticSearch

Что такое нейронная сеть? Введение с примерами

Об авторе

Джонатан Джонсон

Джонатан Джонсон — технический писатель, который объединяет жизнь и технологии. Поддерживает увеличение степеней свободы людей.

голоса
Рейтинг статьи
Ссылка на основную публикацию
0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x
Adblock
detector