适宜用算法解决的决策例子
1 分类算法应用场景实例
1.1 O2O优惠券使用预测
以优惠券盘活老用户或吸引新客户进店消费是O2O的一种重要营销方式。然而随机投放的优惠券对多数用户造成无意义的干扰。对商家而言，滥发的优惠券可能降低品牌声誉，同时难以估算营销成本。个性化投放是提高优惠券核销率的重要技术，它可以让具有一定偏好的消费者得到真正的实惠，同时赋予商家更强的营销能力。
现有O2O场景相关的丰富数据，希望通过分析建模，精准预测用户是否会在规定时间内使用相应优惠券。
1.2 市民出行选乘公交预测
基于海量公交数据记录，希望挖掘市民在公共交通中的行为模式。以市民出行公交线路选乘预测为方向，期望通过分析广东省部分公交线路的历史公交卡交易数据，挖掘固定人在公共交
通中的行为模式，分析推测乘客的出行习惯和偏好，从而建立模型预测人们在未来一周内将会搭乘哪些公交线路，为广大乘客提供信息对称、安全舒适的出行环境，用数据引领未来城市智慧出行。
1.3待测微生物种类判别
DNA是多数生物的遗传物质，DNA上的碱基（A，T，C和G）就储藏了遗传信息，不同物种的DNA序列在序列长度和碱基组成上差异显著。所以我们能够通过DNA序列的比较分析，来判断DNA序列是来自哪些物种。由于测序技术限制，我们只能得到一定长度的DNA序列片段。通过DNA序列片段与已知的微生物DNA序列进行比较，可以确定DNA片段的来源微生物，进而确定待测微生物种类。
期望在相关数据基础上，建立分析方法，在计算资源消耗尽量小的情况下，尽可能快地给出准确的结果，以满足临床诊断需求。
1.4 基于运营商数据的个人征信评估
运营商作为网络服务供应商，积累了大量的用户基本信息及行为特征数据，如终端数据、套
餐消费数据、通信数据等等。实名制政策保证了运营商用户数据能与用户真实身份匹配，并真实客观的反映用户行为。广泛覆盖的网络基础设施提供了积累大量实时数据的条件，这些用户数据实时反馈着用户的各个维度的信息及特征。
在我国，个人征信评估主要通过引用央行个人征信报告，但对于很多用户没有建立个人信用记录的用户，金融机构想要了解他们的信用记录成本又较高，传统征信评估手段难以满足目前多种多样的新兴需求。金融业务不同于其他大数据业务，对数据的真实性、可信度和时效性要求较高，而这正是运营商数据的价值所在。
期望利用运营商用户数据，提供完善的个人征信评估。
1.5 商品图片分类
京东含有数以百万计的商品图片，“拍照购”“同款”等应用必须对用户提供的商品图片进行分类。同时，提取商品图像特征，可以提供给推荐、广告等系统，提高推荐/广告的效果。
希望通过对图像数据进行学习，以达到对图像进行分类划分的目的。
1.6 广告点击行为预测
用户在上网浏览过程中，可能产生广告曝光或点击行为。对广告点击进行预测，可以指导广告主进行定向广告投放和优化，使广告投入产生最大回报。
希望基于100万名随机用户在六个月的时间范围内广告曝光和点击日志，包括广告监测点数据，预测每个用户在8天内是否会在各监测点上发生点击行为。
1.7 基于文本内容的垃圾短信识别
生活中数据库系统的实际例子垃圾短信已日益成为困扰运营商和手机用户的难题，严重影响到人们正常生活、侵害到运营商的社会形象以及危害着社会稳定。而不法分子运用科技手段不断更新垃圾短信形式且传播途径非常广泛，传统的基于策略、关键词等过滤的效果有限，很多垃圾短信“逃脱”过滤，继续到达手机终端。
希望基于短信文本内容，结合机器学习算法、大数据分析挖掘来智能地识别垃圾短信及其变种。
1.8 中文句子类别精准分析
精确的语义分析是大数据必备技术，在分析句子时，不同句子类别即使用类似的关键词，表达的含义仍有很大差别，特别是在情感判断中。
希望通过新闻以及微博等文本数据，对其句子类别进行判断。
1.9 P2P网络借贷平台的经营风险量化分析
P2P网络借贷即点对点信贷，其风险情况始终触碰着投资人的神经。据网贷之家统计，截止今年9月份，出现问题的网贷平台一共有1008家，而仅仅今年就有641家平台出现问题，这说明了随着我国p2p行业的迅猛发展，P2P平台的风险预测已经成为一个至关重要的问题。P2P平台的风险主要是在运营过程中产生的，与运营数据有着密不可分的关系。P2P平台的风险预测并非无线索可寻，像借款期限和年化收益率等指标，就对P2P平台的风险预测有很重要的参考意义。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。