Modelos de inferência (causal)

Machine Learning for Business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

O que é causalidade?

• Identificar a relação causal de quanto certas ações afetam um resultado de interesse
• Responde às perguntas "por quê?"
• Prioriza interpretabilidade do modelo vs. desempenho
• Modelos detectam padrões em dados observacionais e tiram conclusões causais

Experimentos vs. observações

• Experimentos são planejados e garantem conclusões causais, ex.: testes A/B
• Quando não dá para fazer experimentos (antiético, caro, ambos), usam-se modelos (estudos observacionais) para estimar o efeito de entradas nos resultados
• Sempre prefira experimentos a estudos observacionais quando possível

Boas práticas

1. Faça experimentos sempre que puder
2. Se for caro rodar sempre, rode periodicamente (trimestral, anual) e use como benchmark
3. Se não houver como rodar experimentos, construa um modelo causal. Vai exigir metodologia avançada

Exemplo de modelo de inferência

Inferência - treinamento

Inferência - aprendizado

Inferência - coeficientes da regressão

Inferência - interpretação

Vamos praticar!

Machine Learning for Business