为何说基于机器学习的AI预测更智能？

趋势

当下，人工智能已成为科技领域最热门的技术。机器学习、深度学习、人脸识别、无人驾驶、NLP，各类名词不绝于耳。人工智能的应用一方面在不断改变咱们每一个人的生活方式，另外一方面也在逐渐改变着企业的经营模式、决策方式。愈来愈多的企业经营者、高级管理人员、决策者都在这场了解人工智能的竞赛中感到焦虑，他们意识到，人工智能即将从根本上改变他们的行业。

在这场轰轰烈烈的人工智能浪潮中，咱们发现，对于商业企业来讲，人工智能并无给他们带来太多所谓的智能，它带来的是智能的一个关键组成部分——AI预测。

预测是根据事物以往和现今的数据，经过必定的科学方法和逻辑推理，对事物将来发展的趋势做出预计、推测和判断，寻求事物的将来发展规律。预测不只研究事物的自己，并且还要研究它和环境之间的相互做用、相互影响。预测的过程就是在调查研究或科学试验的基础上的分析过程，简称为预测分析。

预测其实是一种填补缺失信息的过程。好比将很是规的信用卡交易归类为盗刷，将医学影像中的肿瘤分类为恶性，或是判断当前拿着手机的人是不是真正的机主，即运用你如今掌握的信息（一般称为数据），生成你还没有掌握的信息。这既包含了对于将来数据的时序预测，也包含了对当前与历史数据的分析判断，是更广义的预测。

在人工智能技术介入前，预测早已随处可见，小到我的股票投资，大到企业经营决策、国家制订国民经济发展规划，社会的方方面面无不体现着预测的重要性。而人工智能的飞速发展，将为预测技术提供了更多可行的思路和方案，使得预测的准确度可以获得有效提高，为各行各业提供超越传通通计学分析的决策支持能力。

这当中，更为重要的是，AI预测更廉价。“若是某样东西的价格降低，那么咱们会更多地使用它。”——这是最简单的经济学，现在这种状况正出如今预测领域。运算的成本变得足够低，继而帮助咱们快速找到成千上万种应用方式。预测成本的降低也将影响其余东西的价值：好比提升互补品（数据、判断和行动）的价值，以及下降替代品（人类预测）的价值。

图片描述

智能

那么，预测技术发展到现在，何以称得上智能呢？回过头来看，应该归功于更好的数据、模型和计算能力，它们促使预测技术飞速发展，从而走上“智能”之路。机器学习即是功臣之一。

历史上，预测的主流分析方法是使用数据挖掘的一系列技术，而这其中被常用的是一种被称为“回归”的统计技术。回归作的是什么？它主要是根据过去发生时间的“平均值”来寻找一种预测。固然，回归也有不少种实现方式，有简单的线性回归，多项式回归，也有多因素的Logistic回归，本质上都是一种曲线的拟合，是不一样模型的“条件均值”预测。

在机器学习以前，多元回归分析提供了一种处理多样条件的有效方法，能够尝试找到一个预测数据失误最小化，“拟合优度”最大化的结果。可是，回归分析中，对于历史数据的无误差预测的渴求，并不能保证将来预测数据的准确度，这就是所谓的“过渡拟合”。

与回归分析不一样，机器学习的预测不追求平均值的准确性，容许误差，但求减小方差。过去，因为数据和计算能力的匮乏，机器学习的表现不如回归分析来得好。但现在，一切都不同了，随着数据体量的不断增加，计算能力的不断提高，使用机器学习和（神经网络）深度学习来作预测效果比其余全部方法表现得都要更好，这使得咱们利用统计学进行预测的方法发生了完全的转变。把人工智能与机器学习的最新发展做为传通通计学的延伸与增强这是很是诱人的想法！

那么，若是仅仅是预测，为何能称得上“智能”呢？这是由于，某些状况下，咱们预测的效果已经好到咱们能够直接用来作决策，而无需再应用基于规则的逻辑。这其实也在改变着计算机编程的方式。

想象一下，原先复杂的业务场景下，基于“if...then...”以及传统的统计学方法来实现的代码逻辑，老是没法覆盖全部的条件组合。而近年来，支撑预测方法进步的一种黑科技叫作“深度学习”，它与人类大脑有着相似的工做方式，利用“反向传播”的方法从数据中不断训练、反馈、学习，获取“知识”。就预测而言，随着不断的训练、自我学习，预测模型会获得不断优化，预测准确性也在随着学习而改进，而愈来愈高的预测准确性为商业决策提供了可信赖的基础。

图片描述

预测支持决策

一个完整的预测支持决策的回路包括下图所示8个组成部分。这中间，数据在整个历史数据输入、模型训练、数据预测、决策、执行、结果收集、数据反馈的完整回路中流转。

▧ 数据清洗与特征工程是有效输入的核心。实际状况中，因为预测项目开始前对数据的统一管理不够重视，对历史数据进行清洗整理会占掉整个预测项目的近一半时间。数据质量的优劣，实际上是预测项目成败极其重要因素。而有了优质的数据，提取恰当的特征也是预测成功与否的重中之重。

▧ 足够丰富的带特征数据是预测模型得以训练的基础。

▧ 预测是决策的核心输入。依赖训练获得的模型与将来有限的肯定因素，来为决策提供数据预测支持。

▧ 而决策执行的结果又将反馈到训练模型，优化预测。

小结

本文主要给你们介绍了AI发展的趋势，AI预测的应用逻辑，何为智能预测，以及“数据——预测——决策——反馈”完整链路。

下一篇咱们会跟你们聊聊AI预测在零售业销售场景的应用及效益，敬请关注！