大數(shù)據(jù)時(shí)代人工干預(yù)仍有必要
機(jī)器學(xué)習(xí)在大數(shù)據(jù)中確實(shí)占據(jù)主導(dǎo)作用，但真的不需要人為干預(yù)嗎？例如，你已經(jīng)習(xí)慣泛濫在身邊網(wǎng)絡(luò)營銷，但你真的認(rèn)可靠單純的數(shù)學(xué)模型與規(guī)模數(shù)據(jù)分析的營銷推薦嗎？
ZestFinance是一個(gè)利用機(jī)器學(xué)習(xí)加大數(shù)據(jù)分析為 payday loan行業(yè)（發(fā)薪日貸款，類似高利貸的短期高利息借款）提供客戶品質(zhì)分析的平臺。
與傳統(tǒng)的分析方式不同，ZestFinance可同時(shí)運(yùn)營多個(gè)模型對海量數(shù)據(jù)進(jìn)行分析來判斷各種可能性，再加上越來越多的數(shù)據(jù)來源和種類，然后這些信息被轉(zhuǎn)化為幾萬個(gè)可對借貸者行為做出測量的指標(biāo)，如詐騙幾率、長期和短期內(nèi)的信用風(fēng)險(xiǎn)和他的償還能力。最后各模型的結(jié)果被整合成最終結(jié)果。這個(gè)平臺可在幾秒間為用戶提供最可靠的結(jié)果。創(chuàng)始人Merrill 說：“我們更傾向于通過把機(jī)器學(xué)習(xí)機(jī)制和人工干預(yù)結(jié)合到一起。”
例如在醫(yī)療領(lǐng)域，機(jī)器學(xué)習(xí)基礎(chǔ)上的數(shù)據(jù)分析就遠(yuǎn)遠(yuǎn)不夠。“因?yàn)闄C(jī)器學(xué)習(xí)能推算出一定比例的概率，但無法達(dá)到精確、精準(zhǔn)。”春雨掌上醫(yī)生CTO曾柏毅向騰訊科技舉例，如對于某種疾病模型的設(shè)計(jì)，是通過調(diào)取現(xiàn)有數(shù)據(jù)庫中所有相似度90%以上提問，將問題結(jié)果分析匯總，制作疾病發(fā)生概率模型，并將每個(gè)問題醫(yī)生的建議，總結(jié)出“無大礙”和“去醫(yī)院“比例，為患者提供直觀的數(shù)據(jù)參考。
“但這也是取一定比例的概率，是用于用戶自查?？墒欠衲芫_到病人真的符合這種病癥，還是需要人為分析（醫(yī)生診斷），我們這些在后臺的數(shù)據(jù)分析員也要去再排查、甄別數(shù)據(jù)的準(zhǔn)確度。”上述人士談到。