causata机器学习系统探讨.pdfVIP

全球IT 新浪潮 2013 年第9 期 Causata 机器学习系统探讨 特约通讯员 梁晓欢 Causata 机器学习系统 作为 Causata 公司的核心产品， Causata 系统是一个为客户提供最佳 品质的机器学习的系统，它可安装于 企业的多个渠道中，最终实现自动化 的营销决策制定。Causata 的核心基础 设施包括 Causata ID 图谱和 Causata 预测性文档。Causata 利用突破性技 术，致力于为客户提供一个可扩展的、 可靠并强大的机器学习系统。 Causata 采用了一种被称为时间 差分学习的强化学习系统，这一类型 的强化学习系统特别适用于处理大量 的跨渠道客户数据，并从数据中实现 高效性学习，最终 出有助于优化如 图1 Causata 决策对比图 客户终身价值等长期的企业目标 策。 1 调试透明的机器学习过程 在机器学习系统的设计和建设 与其它模型的对比 causata 机器学习是一个完全自动 上，Causata 作为业界的先驱，已经提 化的决策系统，并且其过程非常透明， 交了6 项与机器学习技术相关的应用 Causata 机器学习系统能提供一流 而非黑箱操作。通过使用对照组，该系 程序专利申请。这些专利申请主要以 的解决方案，与其它的 策方法相比， 统可直接监测其自身的性能。它允许 Causata 的技术为核心，包括实时制适 其具有众多的优点。图1 清楚地展示 营销人员改写或推翻机器学习的决策 应分级过程、不完整的客户历史数据 了Causata 与其他普通的预测模型或 结果，以便在决策过程中加入营销人 的学习以及分布式可扩展的机器学习 策方法相比，在特征层面上具有的 员其自身的行业专业知识，这也为机 模型的增量更新等。此外，Causata 的 不同之处。 器学习的过程管理和决策的跨渠道实 技术领导者来自于工业界和学术界的 施提供了高度的灵活性。 机器学习权威专家，包括伦敦大学最 系统主要特征 目前，在后台 行Causata 机器学 尖端的机器学习研究专员。 习系统时，可以为学习过程输入初始 5 全球IT 新浪潮 2013 年第9 期 文档数据，并检测学习结果，这有助于 在自动化决策中建立信任，并加快系 统部署。 2 离线vs 在线模型 在建立离线模型时，分析员通常 会定期重建一个离线模型，如每周一 次或每月一次，然后再将该模型应用 于制定决策的过程。这一方法的优点 在于，可以通过一个非常简单的方法 来设置一个端到端的决策系统，并投 Causata 也存在以下几 入使用。然而， 个缺点： ( 1) 该过程是人工手动的，非常耗 时； 图2 Causata 客户价值衡量图 (2) 模型在真正投入使用之前，就 已经过时。实际情况下，从客户身上采 集数据快照，并利用这些数据来 行 时间收集方案的响应结果，然后再利 是以尽可能高的价格将潜在客户转换 一个预构的决策模型是一个非常缓慢