機械翻訳について

3 ユース・ケース

• 分類ユース・ケース
  小売店には、顧客の行動と購入に関する情報があります。 現在、利用可能なデータを使用して、アフィニティ・カード・ロイヤルティ・プログラムへの肯定的な応答者になる可能性が最も高い顧客のタイプを分析および識別する必要があります。 高アフィニティ・カード・レスポンダは、ロイヤルティ・カードまたはアフィニティ・カード(ハイパー・レスポンダ)が与えられたとき、つまりアフィニティ・カード・プログラムの提供する割引よりも購入が増加する顧客として定義されます。 データ・セットでは、応答者は値1、非応答者は値0で指定されます。 このユース・ケースでは、Support Vector Machineモデルを使用してそのような顧客を識別する方法を説明します。
• クラスタリング・ユース・ケース
  小売店には、顧客の行動と購入に関する情報があります。 そのデータを使用して、同様の特性を持つ顧客のグループがあるかどうかを分析および識別します。 Oracle Machine Learningを使用して、ターゲットを絞ったマーケティング・キャンペーンのサポートに使用して小売売上を増やすことができるデータ・セット内のクラスタを検索することで、顧客をセグメント化します。 このユース・ケースでは、k-Meansアルゴリズムを使用してそのようなセグメントを識別する方法を学習します。
• 時系列ユース・ケース
  エレクトロニクス・ストアで作業し、ラップトップとタブレットの売上が過去2四半期に増加しました。 タイムスタンプ付き履歴データを使用して、次の4四半期の製品売上を予測します。 これを行うには、指数平滑法アルゴリズムを適用します。このアルゴリズムは、履歴データの均等間隔の時間間隔でパターンを分析することによって将来の売上を予測します。