Modelos de predicción (aprendizaje supervisado)

Machine Learning para negocios

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Supervisado vs. no supervisado

Modelos supervisados

Predecir la clase/tipo de un resultado (p. ej., baja de suscripción, fraude, compra): CLASIFICACIÓN

Predecir la cantidad de un resultado (p. ej., gasto, horas jugadas): REGRESIÓN

Modelos no supervisados

Clustering: agrupar observaciones en grupos similares (p. ej., segmentación de clientes o mercados)

Tipos de aprendizaje supervisado

Clasificación: la variable objetivo es categórica (discreta) (clase del resultado) (clasificación)

¿El cliente dará de baja la suscripción?

¿Esta transacción es fraudulenta?

¿Cuál es la profesión de esta persona usuaria?

Regresión: la variable objetivo es continua (cantidad del resultado) (regresión)

Número de compras el próximo mes

Horas de juego el próximo año

Dinero gastado en seguros

Recopilación de datos

Los equipos de machine learning deben recopilar todos los datos disponibles para predecir el resultado con la mayor precisión posible; por ejemplo, para predecir compras:

Información del cliente

Historial de compras, bajas, importe de pedidos

Historial de navegación, logs, errores

Detalles del dispositivo y ubicación

Frecuencia de uso del producto/servicio

Y otros…

Ejemplo de clasificación

clasificacion-datos

Clasificación: entrenamiento

clasificacion-entrenamiento

Clasificación: aprendizaje

aprendizaje-de-clasificacion

Clasificación: datos no vistos

clasificacion-datos-nuevos

Clasificación: predicción

clasificacion-prediccion

Ejemplo de regresión

regresion-datos

Regresión: entrenamiento

regresion-entrenamiento

Regresión: aprendizaje

regresion-aprendizaje

Regresión: datos no vistos

regresion-datos-prueba

Regresión: predicción

regresion-prediccion

Regresión: predicción real

regresion-prediccion-real

¡Vamos a practicar!

Machine Learning para negocios