Vorhersagemodelle (überwachtes Lernen)

Maschinelles Lernen für Unternehmen

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Überwacht vs. unüberwacht

Überwachte Modelle

Vorhersage von Klasse/Art eines Ergebnisses (z. B. Kündigung eines Abos, Betrug, Kauf) – KLASSIFIKATION

Vorhersage der Menge eines Ergebnisses (z. B. ausgegebener Betrag, gespielte Stunden) – REGRESSION

Unüberwachte Modelle

Clustering – Zusammenfassen von Beobachtungen in ähnliche Gruppen oder Cluster (z. B. Kundensegmentierung)

Arten des überwachten Lernens

Klassifikation – Zielvariable ist kategorial (diskret) (Ergebnisklasse)

Wird die Person ihr Abo kündigen?

Ist diese Transaktion betrügerisch?

Was macht diese Person beruflich?

Regression – Zielvariable ist kontinuierlich (Menge des Ergebnisses)

Anzahl der Produktkäufe im nächsten Monat

Anzahl der Spielstunden im nächsten Jahr

Für Versicherungen ausgegebener Geldbetrag

Datenerfassung

ML-Teams sollten alle verfügbaren Daten sammeln, um das gewünschte Ergebnis so genau wie möglich vorherzusagen, z. B. für Kaufprognosen:

Kundinnen und Kunden

Kaufhistorie, Stornierungen, Bestellbetrag

Browsing-Verlauf, Protokolle, Fehler

Gerät und Standort

Nutzungshäufigkeit

...

Beispiel für Klassifikation

classification - data

Klassifikation – Training

classification-training

Klassifikation – Lernen

classification-learning

Klassifikation – unbekannte Daten

classification-unseendata

Klassifikation – Vorhersage

classificaiton-prediction

Beispiel für Regression

regression-data

Regression – Training

regression-training

Regression – Lernen

regression-learning

Regression – unbekannte Daten

regression-testdata

Regression – Vorhersage

regression-prediction

Regression – echte Vorhersage

regression-actual

Lass uns üben!

Maschinelles Lernen für Unternehmen