KDDJun, 2022

机器学习 prescription 画布优化商业结果

PDF
TL;DR本文阐述了数据科学中的预测性和规范性方法，提出了 Prescriptive Canvas 操作步骤，旨在帮助项目相关人员进行沟通和管理以实现业务的成功影响。
data scienceprescriptive approachbusiness impactpredictive approachprescriptive canvas
发现论文，激发创造
  • 从预测性分析到指导性分析

    该论文结合了机器学习和运筹学的想法，提出了一种基于数据的最优决策框架和方法，应用于条件随机优化问题中，证明了该方法的实用性和广泛适用性，并通过一个库存管理问题的实际案例展示了该方法的优越性。

    Feb, 2014

  • 企业处方式人工智能解决方案 PresAIse

    IBM Research 提出了一套可解决企业采用 Prescriptive AI 所面临挑战的解决方案，其中包括可扩展的因果推断方法、可解释的决策方法以及通过对话代理来弥合该领域中数据科学家与业务用户之间的沟通鸿沟，该解决方案通过一个名为 PresAIse 的概念验证展示了其潜力，使非机器学习专家能够通过自然语言界面与 Prescriptive AI 模型进行交互，从而为战略决策民主化先进分析。

    Feb, 2024

  • 一种处方式学习分析框架：超越预测建模，应用处方式分析和 ChatGPT 的可解释人工智能

    该研究提出了一种新的框架，将透明的机器学习与数据驱动的处方分析技术相结合，同时结合大型语言模型的最新进展，实现了对非完成方案的有风险学习者进行预测模型的构建和处方分析的人类可读的反馈。

    Aug, 2022

  • 基于观测数据的预测优化方法的能力和局限性

    本文研究在观测数据驱动下的最优化问题，探讨了预测方法在定价等领域的限制，提出了一种新的因果效应目标优化的假设检验方法，并在利率设定数据中进行了实证研究。

    May, 2016

  • 利用决策建模挽救数据科学

    本文提倡数据科学领域采用 AI 中的贝叶斯方法以建立一个新的应用研究方案，其中包含六个决策质量原则，称为 “决策建模”，并以 ROC 曲线和效用模型为例。

    Jun, 2023

  • 不确定情况下决策上下文优化方法综述

    本文介绍了结合预测算法和优化技术来解决不确定性决策问题的上下文优化领域。文中关注单一和两阶段随机规划问题，识别了三种从数据中学习策略的主要框架，并讨论了它们的优点和局限性。

    Jun, 2023

  • 预测和预防分析多地点易碎和老年患者服务建模

    通过结合预测性分析和指导性分析，本研究旨在评估不同的预测性和指导性分析方法对日益增长需求的医疗领域内运营挑战的贡献，并揭示在患者住院期间存在的真实世界的变化风险。

    Nov, 2023

  • 大数据 - 供应链管理框架的预测：数据预处理和机器学习技术

    本文旨在系统地确定和比较分析最新的供应链预测策略和技术，提出了一个包含大数据分析在供应链管理中的新框架，并讨论了预测对人力、库存和整个供应链的影响以及其优化方面的建议。

    Jul, 2023

  • 机器学习降低空气污染

    本文提出了一种数据驱动的方法，通过将运营决策与天气条件联系起来，缓解工业厂区对附近城市的空气污染的影响，结合预测和规定性机器学习模型预测短期风速和方向，并建议减少或暂停工业生产的运营决策，从而实现可持续性的工业发展。

    Mar, 2023

  • 超越预测的优化：处方定价优化

    本文介绍了一种基于历史销售数据和机器学习算法，利用二次规划问题以及半定规划松弛的快速近似算法来解决价格优化问题，使得实际销售商品的利润最大化，实验结果表明该优化算法可以同时得出数百个商品的最优价格，并且将销售商品的总毛利润提高了 8.2% 左右。

    May, 2016