Q:
Hvordan kan den kinesiske restaurantprosessen og andre lignende maskinlæringsmodeller gjelde for enterprise AI?
EN:Spørsmålet om hvordan den kinesiske restaurantprosessen kan instruere enterprise AI er interessant, ettersom selskaper i alle slags bransjer plukker opp handlingsrike ideer fra maskinlæring generelt, og disse algoritmeprosessene spesielt.
Den kinesiske restaurantprosessen er en del av sannsynlighetsteorien, delvis basert på Dirichlets stokastiske prosesser, som kan lede randomisering av partisjoner.
| Gratis nedlasting: Machine Learning og Why It Matters |
En enkel måte å forklare den kinesiske restaurantprosessen er at i en tenkt kinesisk restaurant med uendelige bord, vil folk klynge seg ved disse bordene i henhold til et gitt sett med sannsynligheter som brukes av algoritmen. Deretter vil algoritmen modellere hvor mange som vil sitte ved hvert bord, der tabellene er "partisjonene." Randomiseringen eller sannsynlighetsaspekten ved den kinesiske restaurantprosessen kan vises i matematisk form.
Hvordan påvirker disse algoritmeprosessene enterprise IT? Det er mange måter selskaper kan bruke disse konstruksjonene til å bruke big data med maskinlæring, eller utvikle verdifull forretningsintelligens gjennom denne typen modellering. For eksempel, bokstavelig talt, kan den kinesiske restaurantprosessen brukes til å forutsi gruppering av kunder ved bord på en restaurant, eller på et pop-up butikksted eller hvor som helst annet sted. Imidlertid ville kanskje et bedre eksempel være i området handel med transaksjoner, der komplekse kinesiske restaurantprosessbaserte algoritmer kan bidra til å forutsi kundeaktivitet som kjøp / konvertering eller etterspørsel etter eksisterende eller fremtidig lager.
I en veldig generell forstand søker disse stokastiske prosessene å modellere menneskelig atferd, atferden til masser av mennesker, på måter som bygger virksomhetsintelligens og direkte beslutningsprosesser. I CRM, lagerkontroll, lønn, produktutvikling og nesten alle andre aspekter av virksomheten, kan den kinesiske restaurantprosessen og lignende ideer brukes til prediktiv analyse med riktig type målrettet modellering.
En annen større og øyeblikkelig bruk av den kinesiske restaurantprosessen har imidlertid lite å gjøre med modellering av menneskelig atferd. Den kinesiske restaurantprosessen kan også brukes til "diskriminerende" arbeid på høyt nivå, som i bildebehandling. Å utvikle klynger av bilder i henhold til en kinesisk restaurantprosess kan hjelpe maskinlæringsprogrammer til å tilpasse seg bedre til sett med treningsregler og gi diskriminerende utfall. Så på en måte kan den kinesiske restaurantprosessen brukes til enten atferdsmodellering, teknisk modellering, eller begge deler.
