运营商行业智能化机器学习平台建设实践.pdf

"运营商行业智能化机器学习平台建设实践" 本文主要介绍了运营商行业智能化机器学习平台的建设实践，旨在解决当前运营商行业机器学习门槛高、专业人才缺乏、建模工作不够智能的现状。该平台能够提供一站式、标准化的模型开发能力，帮助业务人员快速、精准建模，提高机器学习的应用水平。 关键技术实现 1. 提炼常用的建模情景分析、归纳运营商常用建模场景使用的算法，总结出5大类向导式的建模流程固化到平台中，包括分类预测、聚类分析、协同过滤、时间序列、关联规则。 2. 建模流程中，初级用户只需选择数据的标识即可完成建模，高级用户可自行设置高级参数。 3. 平台总体架构包括计算资源、数据管理与处理引擎、模型训练和预测引擎、前台展现层等。 4. 数据存储处理在Hive中实现，Hive依赖于HDFS存储数据，将HQL转换成MapReduce执行。 智能化机器学习平台的建设可以解决运营商行业目前存在的痛点，如门槛太高、成本太高、方法各异、知识得不到传承等问题。 知识点： 1. 机器学习平台的建设可以帮助业务人员快速、精准建模，提高机器学习的应用水平。 2. 智能化机器学习平台可以提供一站式、标准化的模型开发能力，解决运营商行业机器学习门槛高的问题。 3. 该平台可以帮助业务人员快速、精准建模，提高机器学习的应用水平。 4. 数据管理与处理引擎（DSEM）模块直接调用miner模块的算法能力，编码式建模（ANB）也可以直接通过miner模块调用大数据的算法能力。 5. 平台的建设可以解决运营商行业目前存在的痛点，如门槛太高、成本太高、方法各异、知识得不到传承等问题。 6. 智能化机器学习平台可以提供向导式的建模流程固化到平台中，包括分类预测、聚类分析、协同过滤、时间序列、关联规则等。 7. 该平台可以帮助业务人员快速、精准建模，提高机器学习的应用水平。 8. 平台的建设需要考虑到数据存储处理、模型训练和预测引擎、前台展现层等方面的技术实现。