机器学习在小型企业中的常见应用
当我第一次听说机器学习（ML）时，我以为只有大公司才将其用于探索大数据。在互联网上搜索ML的含义时，我发现Wikipedia将其定义为人工智能（AI）的子集。特别是，它涉及对算法和统计模型的科学研究，计算机系统可使用这些算法和统计模型有效地执行特定任务，而无需使用明确的指令，而是依靠模式和推断。互联网上可用的ML应用程序的一些常见示例包括皮肤癌检测，面部识别，流失预测，糖尿病性眼病的诊断以及自然语言处理（例如语言翻译）的诊断。此外，
我从未想到过ML对于小型企业可能有用。令人惊讶的是，我遇到和讨论ML概念的几乎每个人也持相同观点。在我报名参加ML短期培训课程之前，我一直持这种观点。随后，我被分配一个开发ML模型的项目，该模型可以有效地提高慈善组织的营销活动成本，这完全改变了我的观点。
本文旨在讨论ML对小型企业的重要性，并举例说明ML算法可用于估算成本的方法。
小型企业的机器学习（ML）的六个常见重要功能
趋势和模式识别  -几家小型企业的所有者维护着一本销售帐簿和一个帐户，其中记录了来自不同商店的客户名称，销售额，现金交易等。该记录生成的数据可以进行分析以识别客户的购买模式，以及其他推动销售或影响客户偏好的因素。
建模和预测  -销售书中的信息可以大写以估计成本，预测销售量并衡量收入，利润以及预期的市场份额。好处是企业的可持续性和成功取决于此类预测的准确性。
安全性  -ML可以帮助分析数据并识别此类数据中的模式。此外，此过程可用于识别可疑交易行为，跟踪错误并检测欺诈。结果，企业所有者可以轻松地立即采取措施来弥补漏洞并防止将来发生漏洞。
信息提取  -ML可用于从其他数据库中提取有价值的信息，并鼓励操作协调。事实是，没有企业主可以成为知识的孤岛。为了做出适当的业务决策，企业主需要外部信息，并对其进行适当的数据分析（例如，有关天气，通货膨胀，利率等的信息）。
良好的商业环境  -ML为小型企业创造了一个合适的环境，以使其成长并提高效率；它还为员工提供了更好的新技术。例如，机器学习推荐引擎可以模仿客户的行为，推荐其他产品并促进销售。媒体公司使用ML来识别嘴唇运动的模式，然后将其转换为文本。
广告和市场营销  -值得注意的是，有75％的企业使用ML来提高客户满意度超过10％，而四分之三的组织使用AI和ML来将新产品和服务的销售额提高10％以上。根据哥伦布（Columbus，2018）的说法，机器学习（ ML）应用程序可在几秒钟内吸引数百万客户，向他们通报新产品以及为什么现有产品比其他竞争对手生产的产品更好的信息。
如何使用机器学习估算成本的示例
慈善组织依靠其好心人的慷慨来支付运营成本，并提供必要的资本来从事慈善事业。由于来自不同国家/地区的捐助者数量增加，多年来通过明信片募集资金的成本有所增加，有10％的记录表明，通过明信片收到的个人平均捐款为15英镑，而出示并发送该卡需要支付2英镑。期望如果慈善组织选择向与该组织有身份的所有人发送明信片，则该费用可能会增加。结果，该组织将需要雇用一名数据科学家来开发一种经济有效的模型，该模型可以识别出具有最高潜力和捐赠可能性的捐赠者。
这是该项目代码的链接。为了简洁起见，我跳过了很多代码。阅读本文时，请遵循侧面提供的Github代码：机器学习：供体预测。
机器学习算法
我们使用python比较了六种不同的监督式机器学习技术的预测性能，目的是选择合适的算法来估算成本。特别是，我们考虑了以下分类技术：Logistic回归（LR），Kneigbors分类器（KNN），GaussianNB，随机森林分类器（RF），线性判别分析和神经网络分类器（NN）。
结果在下面用方框图和晶须图表示
从上图中，我们观察到决策树分类器（CART）优于其他预测模型，因为与其他选定模型相比，该模型具有最高的均值。因此，我们将CART模型应用于预测。结果如下：
真实肯定280
误报796
真底片2106
假阴性693
分类报告
             精确召回f1得分支持
         0 0.75 0.73 0.74 2902
         1 0.26 0.29 0.27 973
平均/总计0.63 0.62 0.62 3875
对于包含3875户家庭的分类报告，我们测试了可能为慈善组织捐款的家庭的实际数量。在我们的报告中，有两种可能的预测类别：“ 0”和“ 1”。对于两个预测结果，“ 1”表示可能捐赠的实际家庭数量，而“ 0”表示不太可能捐赠的实际家庭数量。
混淆矩阵
N = 3875
预料到的
“ 0”
预料到的
“ 1”
实际为“ 0”
TN = 2106
FP = 796
2902
实际的“ 1”
FN = 693
TP = 280
973
2799
1076
决策树分类器从3875户家庭中预测了1076户可能捐赠的家庭和2799户不太可能捐赠的家庭。实际上，样本中的973户家庭将捐赠，而2902户家庭可能不会捐赠。
要计算成本，请回忆以下内容：
单位成本=￡2
单位平均收入= 15英镑
为了使组织最大程度地降低成本，它可以避免将明信片寄给每个有兴趣的人，而只寄给最有可能捐款的家庭。
在这种情况下，总费用为（TP + FN）*单位费用=￡1946
收入= TP *单位收入=￡4200
利润=（TP *单位收入）–（[TP + FN] *单位成本）=￡2254
这一结果表明，如果慈善机构仅向可能捐赠的家庭发送明信片，它将花费1946英镑并获得4200英镑，产生2254英镑的利润。
结论
在本文中，我们讨论了小型企业如何应用ML来改善其性能并产生更大的收入。我们还提供了一个示例，说明如何使用ML来估计成本并确定慈善机构的可能捐助者。我们认为，对于企业所有者而言，了解数据收集的重要性并使用ML算法来提高其企业绩效至关重要。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！