机器学习的应用

本文介绍了机器学习在多个领域的应用,如电商中的图像识别、自动规划、商品推荐和智能客服;Google产品中的搜索引擎、Android、Gmail、翻译、照片管理等;自然语言处理中的文本审核、智能阅卷和机器翻译;图像处理中的文字识别和图像识别;语音处理中的语音识别和合成;大数据分析的推荐系统和智能风控;农业中的森林保护和作物病害识别;以及安全攻防中的人脸识别和恶意用户检测。
摘要由CSDN通过智能技术生成

之前参加过一些机器学习相关的分享课题,了解到一些机器学习在各个场景下的应用,做的一些学习笔记。

 

机器学习在电商场景的应用

图像识别:

  • 审核用户上传的买家秀、卖家图片、视频是否存在非法。

自动规划:

  • 外卖领域:根据距离以及外卖的送达时间,不断的训练,推算出预计送达时间。
  • 商品推荐:根据结算时顾客的购物清单,推算出关联性高的商品,例如,红酒和红酒起子,方便超市运营人员,调整货架,提高销售额。根据用户网上购物的习惯和路径,分析用户的喜欢,进行更好的商品推荐。

智能客服:

  • 聊天机器人承担最简单通用的一些问题点回答,减轻人工客服的人力成本,并且随着不断的学习和训练,智能机器人也能够更好地理解用户查询,并为他们提供更好的答案,这均是由于其底层的机器学习算法驱动的。

 

机器学习在Google的一些应用

tensorflow在Google的各个产品里是怎么应用的呢?之前有听过一位工程师老师的分享

  • Google Search:搜索排名
  • Android:Gboard输入键盘,以及语音输入
  • Gmail:垃圾邮件分类
  • Translate:翻译,语音同
分类:分类可以找出这些不同种类客户之间的特征,让用户了解不同行为类别客户的分布特征,从而进行商业决策和业务活动,如:在银行行业,可以通过阿里云机器学习对客户进行分类,以便进行风险评估和防控;在销售领域,可以通过对客户的细分,进行潜客挖掘、客户提升和交叉销售、客户挽留等 聚类:通常”人以群分,物以类聚”,通过对数据对象划分为若干类,同一类的对象具有较高的相似度,不同类的对象相似度较低,以便我们度量对象间的相似性,发现相关性。如在安全领域,通过异常点的检测,可以发现异常的安全行为。通过人与人之间的相似性,实现团伙犯罪的发掘 预测:通过对历史事件的学习来积累经验,得出事物间的相似性和关联性,从而对事物的未来状况做出预测。比如:预测销售收入和利润,预测用户下一个阶段的消费行为等 关联:分析各个物品或者商品之间同时出现的机率,典型的场景如:购物篮分析。比如超市购物时,顾客购买记录常常隐含着很多关联规则,比如购买圆珠笔的顾客有65%也购买了笔记本,利用这些规则,商场人员可以很好的规划商品摆放问题。在电商网站,利用关联规则可以发现哪些用户更喜欢哪类的商品,当发现有类似的客户的时候,可以将其它客户购买的商品推荐给相类似的客户,以提高网站的收入。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值