机器学习商业应用入门及七个实例

建造更好的汽车。捷豹路虎生产的新汽车上装有60个机载计算机，每天在2万个参数上产生1.5GB的数据。这家公司的工程师利用机器学习来提取数据并理解顾客如何与汽车互动。有了这些真实的使用数据，设计师就能预测零件失效和潜在的安全问题，有助于他们设计车况更好的汽车。

瞄准最好的潜在市场。市场人员用「购买倾向」模型作为工具来决定最好的潜在销售市场，并提供最好的产品。思科的产品系列很多，从路由器到有线电视盒子，应有尽有。它的市场分析团队在几小时内训练了6万个模型，对1.6亿个潜在市场进行了打分。他们使用了一系列的技术（例如决策树和梯度提升机器），极大提升了模型的精确度。这些模型提升了销售量，减少了无用的销售电话，也提升了销售代表的满意度。

优化媒体。NBC环球公司存储了几百TB分配到国际有线电视的媒体文件。对这些在线资源的有效管理对互联网客户的分配支持是非常必要的。这家公司使用了机器学习，基于多参数的组合来预测每个项目的未来需求。基于这样的预测，这家公司将预测需求较低的媒体文件移入低成本的离线存储。机器学习带来的预测比基于单参数（例如文件年龄）的随机规则更加高效。结果，NBC环球在保持客户满意度的情况下，降低了总体存储成本。

改善医疗保障服务。对医院来说，病人再次入院是一个严重的问题，这不仅会影响病人的健康和福利。如果一家医院的再入院率高，将面临美国联邦医疗保险和私人保险公司的处罚，所以考虑到经济利益，医院通常只会允许那些恢复得很好、看起来会保持健康的病人出院。卡罗莱纳州医疗系统 (CHS)使用机器学习，对病人的风险进行打分，帮助病例管理员决定某个病人是否应该出院。这个系统提升了护士和病例管理员的效率，并根据风险和病症的复杂性对病人进行排序。结果，CHS的再入院率从21%降到了14%。

机器学习的软件要求

适合机器学习的软件随处可见，机构在开发功能时有许多选择，以下是评估机器学习时应该考虑的需求：