El problema con Machine Learning es que al principio necesita un gran conjunto de correos electrónicos para entrenar la máquina . Luego, las herramientas de aprendizaje automático intentarán analizar los correos electrónicos y le darán un índice de confianza que le indicará cuán precisos creen que son. Tendrá que definir qué hacer cuando el índice de confianza es demasiado bajo (lo más fácil es pedirle confirmación al usuario).
En Parseur.com, probamos el enfoque de Aprendizaje automático al principio, pero consideramos que no era adecuado para una solución genérica de análisis de correo electrónico, debido a la variedad de correos electrónicos que nuestros clientes desean analizar.
Terminamos teniendo una solución de analizador de correo electrónico programático pero enfocándonos en la facilidad de uso para crear nuevas plantillas (a través de apuntar y hacer clic) para que el usuario pudiera analizar un correo electrónico con un formato no reconocido en cuestión de segundos.
- Cómo llamar a clasificadores y conjuntos de datos de WEKA a Netbeans IDE 7.1
- ¿Cuál es la relación entre los clasificadores uno contra uno, conjunto y SVM?
- ¿Qué debo hacer para poder contribuir al campo de la visión por computadora y trabajar en Google en el futuro?
- ¿Cómo se explica el algoritmo de propagación de creencias en las redes bayesianas?
- ¿El aprendizaje automático como campo todavía está en su infancia, o ya es sofisticado y está bien desarrollado?
Ese enfoque funciona muy bien y nuestros clientes nos dicen que es, con mucho, el analizador de correo electrónico más fácil y preciso que intentaron (muy orgullosos, estamos :-))
