- Python預(yù)測分析與機器學(xué)習(xí)
- 王沁晨編著
- 1773字
- 2023-08-25 11:18:31
1.3 預(yù)測分析在各行業(yè)中的應(yīng)用
簡單了解預(yù)測分析后,我們來看一看近年來它在各領(lǐng)域的應(yīng)用。
內(nèi)容推送是一種十分常見的預(yù)測分析應(yīng)用,里面包括廣告推送、視頻推送、文章推送等。算法可以通過用戶的個人設(shè)定、瀏覽記錄、與平臺交互記錄(如點贊留言)等,結(jié)合內(nèi)容本身價值與受眾群體,為每個用戶提供特制的內(nèi)容清單。個性化的內(nèi)容推送提高了用戶花在每個內(nèi)容上的時間和停留在平臺上的總時長。例如當(dāng)我們點入一段視頻分享平臺,如果主頁上的內(nèi)容標(biāo)題和縮圖引起了我們的興趣,我們會有更大的可能性點入視頻本體,同時觀看一下一個同類視頻。相反,如果兩三次下滑屏幕后仍未找到足夠感興趣的視頻,我們可能會選擇退出平臺。平臺能否吸引更多時長的注意力,往往取決于平臺的推送算法能否從海量內(nèi)容中預(yù)測出個體用戶的興趣偏好。用戶注意力是平臺獲取收益量的重要因素。好的視頻或文章推送算法在為用戶提供大量有效信息的同時,也更容易從用戶群體中得到反饋,轉(zhuǎn)化為企業(yè)價值。
廣告推送屬于內(nèi)容推送的一種,其運營原理與視頻和文章推送相似:通過用戶的瀏覽記錄分析其需求,再結(jié)合現(xiàn)有的廣告方,預(yù)測可能收獲最大點擊率的廣告植入。合適的廣告不僅可直觀地為平臺提供商業(yè)價值,同時也可為平臺用戶創(chuàng)造更舒適的瀏覽環(huán)境。假如我們在觀看與編程教學(xué)相關(guān)的教程時,平臺推送了一個非常適合現(xiàn)階段學(xué)習(xí)的教程廣告。我們會感到這一廣告植入的侵入性低,甚至?xí)J為這一廣告屬于有價值的內(nèi)容。相反,如果平臺推送的廣告與我們目前的專注點大相徑庭,廣告則更像打斷了瀏覽體驗的“入侵者”,降低了我們對平臺本身的觀感。這也是為什么谷歌廣告價格中有一個質(zhì)量因素(quality score):制作更優(yōu)的廣告可以提高用戶對平臺的觀感,因此廣告本身對平臺的價值也相應(yīng)提高,廣告商也可以獲得更低的推送價格。
風(fēng)險管理是預(yù)測分析中的另一大類應(yīng)用。許多財務(wù)機構(gòu)可以通過這類應(yīng)用降低損失。例如銀行批準(zhǔn)轉(zhuǎn)賬前,可以根據(jù)此用戶以往花銷模式,預(yù)測這筆轉(zhuǎn)賬是否存在欺詐的可能性,以此判斷該筆轉(zhuǎn)賬是否需要進一步認證身份。銀行也可以根據(jù)一個用戶的財務(wù)狀況、月支出分配和家庭情況等來預(yù)測用戶按時歸還借款的概率,由此決定是否批準(zhǔn)貸款或是增加信用額度。學(xué)習(xí)歷史數(shù)據(jù)的機器風(fēng)險預(yù)測可以有效幫助審核人員,降低銀行與銀行用戶的損失。同樣,一些汽車保險公司也會根據(jù)客戶的行車記錄和個人信息,預(yù)測客戶交通事故概率,由此制訂不同的保險額。
日常生活中的天氣預(yù)測也屬于一種預(yù)測分析。根據(jù)實時儀器探測數(shù)據(jù)及過往數(shù)據(jù)趨勢,我們得以每天查詢近幾日的天氣預(yù)報,降低我們的計劃被天氣因素打破的概率。天氣預(yù)測的結(jié)果在別的領(lǐng)域也可以被用作機器學(xué)習(xí)的數(shù)據(jù)。例如在零售業(yè)中,預(yù)測某種天氣下某類產(chǎn)品的售量,結(jié)合近期的天氣預(yù)報準(zhǔn)備適當(dāng)?shù)膸齑孢\輸。
零售業(yè)的供應(yīng)鏈本身也可以通過預(yù)測分析得到大量優(yōu)化。這類優(yōu)化大多與合理的庫存運輸有關(guān)。供應(yīng)鏈中庫存把握的精準(zhǔn)度很大程度上決定了收益量及損失量,因此許多數(shù)據(jù)分析項目會定義不同的問題,但問題本質(zhì)都是預(yù)測未來某產(chǎn)品的需求量。對需求量準(zhǔn)確的預(yù)測不僅可以提高零售企業(yè)的收益,還可以減少因供應(yīng)過剩導(dǎo)致的食品浪費。在這里回顧一下1.2節(jié)中講到的預(yù)測性分析和處方性分析關(guān)系:假如把問題定義成“下一個月方便面的需求量會是多少?”這便是預(yù)測性分析,機器提供給我們的結(jié)果將是一個對下個月需求量的預(yù)測數(shù)字,而決策者可以根據(jù)這個數(shù)字分配供應(yīng)量;但假如把問題定義成“下一個月增加方便面的供應(yīng)量會增加多少收入?(收入可為負數(shù),代表供應(yīng)量提升會導(dǎo)致?lián)p失)”對于機器來講,輸出的數(shù)據(jù)仍然是一個數(shù)字,不過這一次是對收入增長的預(yù)測。由此可見,只要掌握了預(yù)測性分析的基本工具,通過對問題的重新定義,數(shù)據(jù)分析師便可以成功地將預(yù)測性分析系統(tǒng)改裝成處方性分析系統(tǒng)。
預(yù)測分析還可以用來輔助醫(yī)療系統(tǒng),通過收集病人的個人信息(年齡、性別等)、病史和疾病復(fù)發(fā)規(guī)律,預(yù)測疾病復(fù)發(fā)的概率和復(fù)發(fā)的時間,或其他慢性病發(fā)展的可能性,以此規(guī)劃及時復(fù)查和適當(dāng)?shù)乃幬锟刂啤?/p>
這些例子只是現(xiàn)有應(yīng)用中的一部分,但從此已經(jīng)可以看出預(yù)測分析應(yīng)用之廣泛和顛覆性的潛力。各行各業(yè)的數(shù)據(jù)中還有更多可以被挖掘的價值,更多可以輔助解決的問題,只是等待一個創(chuàng)新應(yīng)用的構(gòu)想。希望本書可以幫助讀者學(xué)習(xí)預(yù)測分析所需要的技術(shù)基礎(chǔ),提供一些有用的解決問題的思路,方便讀者在工作、個人項目,或創(chuàng)業(yè)項目中實驗自己的創(chuàng)新構(gòu)想。
- C++程序設(shè)計(第3版)
- ThinkPHP 5實戰(zhàn)
- Azure IoT Development Cookbook
- Mastering matplotlib
- SQL Server 2012數(shù)據(jù)庫管理與開發(fā)項目教程
- Java 11 Cookbook
- Image Processing with ImageJ
- MySQL程序員面試筆試寶典
- R的極客理想:量化投資篇
- AutoCAD基礎(chǔ)教程
- DevOps 精要:業(yè)務(wù)視角
- Java核心編程
- Android應(yīng)用開發(fā)攻略
- Apache Solr for Indexing Data
- Windows 10 for Enterprise Administrators