El aprendizaje automático se refiere a una amplia variedad de técnicas, incluidas técnicas estadísticas relativamente básicas, como regresiones lineales y logísticas. Con ese entendimiento, el aprendizaje automático se utiliza para analizar esencialmente cada ensayo clínico y encuesta de salud y sacar conclusiones sobre el significado de los datos. Un ejemplo de esto sería un estudio sobre la relación entre fumar y la expectativa similar. Una regresión lineal o ANOVA podría determinar la cantidad de años que es probable que el fumar le quite la vida (regresión continua). Una regresión logística podría analizar si es menos probable que los fumadores alcancen los 70 años (clasificador discreto), por ejemplo.
Los grandes conjuntos de datos se usan para entrenar predictores en una variedad de formas para el beneficio comercial. Algunos buenos ejemplos de esto son:
- Detección de fraude, que utiliza características de transacciones anteriores para determinar si una nueva transacción puede ser fraudulenta.
- Marketing dirigido como publicitarios y publicidad en línea, donde la información sobre los clientes puede ayudar a determinar la probabilidad de que respondan al marketing con una compra y, por lo tanto, si vale la pena comercializar a un cliente en particular.
- Sistemas de recomendación, como Amazon y Netflix. Los algoritmos pueden determinar qué es probable que compre o mire en función de su historial.
