通過機(jī)器學(xué)習(xí)對(duì)整個(gè)公司所有經(jīng)銷商的銷售量進(jìn)行預(yù)測(cè),以及對(duì)不同類型的經(jīng)銷商的銷售量進(jìn)行預(yù)測(cè),得出未來銷售計(jì)劃的輔助參考和指導(dǎo)意見。
在上周我寫了一篇“基于機(jī)器學(xué)習(xí)的銀行電話營銷客戶購買可能性預(yù)測(cè)分析”,那是作為對(duì)客戶購買可能性預(yù)測(cè)分析的第一次驗(yàn)證案例的嘗試。今天是基于機(jī)器學(xué)習(xí)的客戶購買可能性預(yù)測(cè)分析的第二次驗(yàn)證案例:推薦系統(tǒng)。
項(xiàng)目目的:預(yù)測(cè)客戶的交易價(jià)值。數(shù)據(jù)內(nèi)容:4459條已知客戶的交易價(jià)值和客戶的屬性(具體內(nèi)容不知道,有可能是性別、年齡、收入、交稅等等,每一個(gè)用戶有4993條屬性)。步驟:數(shù)據(jù)分析、特征值選取、模型建立、調(diào)試。
數(shù)據(jù)集為uci下載的,某家銀行電話營銷與是否購買定期存儲(chǔ)的數(shù)據(jù)。 模擬目標(biāo)為知道客戶數(shù)據(jù),預(yù)測(cè)購買理財(cái)產(chǎn)品概率。
Kaggle官網(wǎng)提供了大量的機(jī)器學(xué)習(xí)數(shù)據(jù)集,本文從其中選擇了Boston HousePrice數(shù)據(jù)集,展示了如何建立機(jī)器學(xué)習(xí)模型的通常過程。
本文介紹了機(jī)器學(xué)習(xí)新手需要了解的 10 大算法,包括線性回歸、Logistic 回歸、樸素貝葉斯、K 近鄰算法等。
可以肯定地說,機(jī)器學(xué)習(xí)將在未來十年幾乎在每個(gè)行業(yè)都產(chǎn)生廣泛的影響。那么問題就會(huì)變成:你的企業(yè)將如何使用它?
本文講述如何使計(jì)算機(jī)模擬人類,學(xué)習(xí)如何使用算法和人工智能玩tic tac toe(井字游戲)。
AI的快速發(fā)展,讓機(jī)器學(xué)習(xí)走向了巔峰,今天我們盤點(diǎn)一下最受歡迎的機(jī)器學(xué)習(xí)庫(ML),希望你能夠在這里尋找到你未來一段時(shí)間內(nèi)的“利器”。
通過本文我們來一起看一些用于人工智能的高質(zhì)量AI庫,它們的優(yōu)點(diǎn)和缺點(diǎn),以及它們的一些特點(diǎn)。