机器学习:连接统计和IT
如何处理来自多个数据源的数百万个需要分类的数据点, 编码, 和分析? 而且是实时的? 而且预算很紧? 编码和分类可能需要数年时间才能完成. 更不用说代价了. 机器学习提供了补救办法.
通过机器学习，我们可以手动检查和分类可用数据的子集. 然后，我们使用这些子集通过最新的机器学习技术来训练系统，以自动编码和分类原始数据. 我们可以随着时间的推移重新校准流程，以处理困难的数据模式和不断变化的需求.
机器学习让我们建立一个基础设施，我们可以接收和审查大量的数据, 并迅速点, 分析, 并报告趋势.
趣赢平台采用先进的解决方法
趣赢平台利用统计和IT的力量解决了数据管理的挑战. 我们已经开发了一种使用自然语言处理的多管齐下的方法, 机器学习方法, 和统计算法. 我们的工具包采用了神经网络和支持向量机方法, 潜在语义索引, 以及其他先进的统计方法.
预后好，便于处理医院调查资料
在处理大规模纵向数据时，机器学习是一个很好的工具. 例如，一项提供全国住院病人住院护理数据的调查. 韦斯特每年为这项调查收集数百万份医疗索赔记录. 数据是通过一个安全网站发送给我们的.
使用机器学习, 我们开发了一套系统，可根据记录内的付款人姓名自动分类付款人类别:
- 我们建立字典来将原始数据预处理成可用的输入.
- 我们用预处理过的数据训练系统，并使用得到的“模型”编码新数据.
- 我们为数据管理建立了一个基础设施, 检查质量, 注释, 和更新的结果.
我们的系统已经处理了数千万条记录, 以前需要密集体力劳动的东西. 我们还开发了一个简化数据质量控制的系统，以减少80%的人工审查. 这使得数据管理人员可以专注于解决更困难的数据问题.
