Absolutamente. Existen varios algoritmos útiles que son útiles para el análisis empresarial y el análisis predictivo. Encuentro que H2O y LIME son increíblemente útiles, y puedes encontrar un artículo que escribí recientemente relacionado con HR Analytics.
Análisis de recursos humanos: uso del aprendizaje automático para predecir la rotación de empleados
Además, hay una serie de algoritmos útiles:
- ¿Por qué Python es tan brillantemente superior a R en aprendizaje automático y tan totalmente inferior en estadística médica e investigación de drogas?
- ¿Cuántos parámetros deben ajustarse para Random Forest?
- ¿Cuál es la mejor herramienta para ejecutar un código de aprendizaje automático?
- ¿Cuáles son algunos puntos de referencia significativos descubiertos para el equilibrio de la máquina? (específicamente: clasificación, segmentación y desarrollos de sensores)
- ¿Qué tan útil es un trabajo cuantitativo en Goldman Sachs para un doctorado posterior en Machine Learning?
- Sin supervisión: Kmeans y PCA: útil para la agrupación y segmentación, como la detección de segmentos de clientes en una base de datos de ventas.
- Regresión supervisada: lineal, LASSO, bosque aleatorio, xgboost, aprendizaje profundo y otros: útil para predecir valores como la forma de poner precio a los productos
- Clasificación supervisada: logística, bosque aleatorio, xgboost, aprendizaje profundo y otros: útil tanto para la clasificación binaria (Sí / No) como para la clasificación múltiple (A, B, C, D …), como la rotación de un empleado o el incumplimiento de un préstamo
¡Espero que esto ayude! Si te gusta la respuesta, por favor vota.
