El algoritmo de redes neuronales está basado en el sistema de toma de decisiones que utiliza el cerebro humano.
En sus primeros años de vida, el cerebro de un niño actúa de una manera muy intuitiva: experimenta todo lo que hay en su entorno, procediendo a emitir un simple veredicto favorable o desfavorable, con el cual emite su respuesta. En realidad es un sistema intuitivo que utilizan también los animales. Supongamos un conejito que ve a un feroz lobo depredador.
El conejito no ha visto jamás a un lobo, su reacción es de alerta y análisis, ve que hace, como actúa: Grita, corre hacia él, enseña sus dientes….su respuesta es correr a toda velocidad.
La próxima vez que el conejito vea un lobo, ya no pasará a la fase de análisis, su respuesta inmediata será correr a toda velocidad.
El algoritmo de redes neuronales consta de tres capas, una de entrada, una oculta de proceso y una de respuesta
Supongamos que analizamos las posibilidades que un perfil femenino de 30-50 años compre una bicicleta.
En la capa de entrada se analizan todos los inputs anteriores del problema al que se busca dar respuesta, por tanto, contra más datos, más eficacia tendrá el algoritmo de data mining en ofrecer su predicción. En el ejemplo del conejito seria obtener datos como, ruge, enseña dientes, muerde o bien se muestra amable y juguetón...etc. En el algoritmo se analizan los datos anteriores de compra de bicicletas y se relacionan con sexo, edad, etc.
En la capa oculta se comparan todos los datos y se analiza, atributo a atributo su posible relación con la compra para finalmente emitir una respuesta con un porcentaje de probabilidad favorable o desfavorable.
Este algoritmo se usa en inteligencia artificial, sistemas de reconocimiento de voz, texto, imágenes etc
Vamos a proponer un caso de ejemplo.
Supongamos que una empresa de bicicletas va a realizar una campaña de mailings para lanzar un nuevo producto.
Es la primera vez que se manda este tipo de producto y no se tiene experiencia de cómo será la respuesta y a quien va a interesar.
Se recogen datos de todos los clientes, edad, sexo, fecha primera compra, fecha última compra (fidelidad) etc. y se lanza el mail, recogiendo los datos de los clientes que han respondido.
En la pantalla del algoritmo tendríamos una interface parecida a esta:
En la que podemos ver qué factores inciden en una respuesta positiva al mail y cuales en una respuesta negativa
Haciendo clic en la pantalla de input podemos usar las entradas de atributos a modo de filtro, determinando para un determinado perfil, cuáles son sus factores determinantes
Por último, usando las funciones de predicción podemos obtener una lista con el porcentaje de probabilidad de que un determinado cliente responda positivamente al mail
Los casos sugeridos para utilizar el algoritmo de red neuronal de Microsoft son:
Análisis de comercialización y promoción, como medir el éxito de una promoción por correo directo o una campaña publicitaria en la radio.
Predecir los movimientos de las acciones, la fluctuación de la moneda u otra información financiera con gran número de cambios a partir de los datos históricos.
Analizar los procesos industriales y de producción.
Minería de texto.
Cualquier modelo de predicción que analice relaciones complejas entre muchas entradas y relativamente pocas salidas.
|
|