结合基于规则和机器学习的方法构建强大的混合系统

经过这些年的发展，我们都确信ML即使不能表现得更好，至少也可以在几乎所有地方与前ML时代的解决方案相匹配。比如说一些规则约束，我们都会想到能否把它们替换为基于树的ml模型。但是世界并不总是黑白分明的，虽然机器学习在解决问题上肯定有自己的位置，但它并不总是最好的解决方案。基于规则的系统甚至可以胜过机器学习，特别是在可解释性、健壮性和透明度至关重要的领域。

在本文中，我将介绍一些实际的案例，以及如何将手动规则和ML结合使得我们的方案变得更好。

基于规则的系统

基于规则的系统是通过预定义规则来为决策提供支持，系统根据存储的规则评估数据，并根据映射执行特定操作。

下面是几个例子：

欺诈检测：在欺诈检测中，基于规则的系统可用于根据预定义规则快速标记和调查可疑交易。

比如说国际象棋的作弊者，他们的的基本作法是在另一个窗口中安装计算机象棋应用程序，使用程序进行对弈，对于程序来说无论多复杂，每一步都需要 4-5 秒才能完成。所以添加“阈值”来计算玩家每一步的时间，如果在浮动不大就有可能被判断为是作弊者，如下图所示：

医疗保健行业：基于规则的系统可用于管理处方和防止用药错误。它们还可以非常有用地帮助医生根据先前的结果为患者开出额外的分析处方。

供应链管理：在供应链管理中，基于规则的系统可用于生成低库存警报、帮助管理到期日期或新产品推出。

 

完整文章：

https://avoid.overfit.cn/post/b18da20b320a4471b9f0f11f7c59086a