Fehler beim maschinellen Lernen

Maschinelles Lernen für Unternehmen

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Fehler

  • Maschinelles Lernen zuerst
  • Nicht genug Daten
  • Definition der Zielvariablen
  • Späte Tests, keine Wirkung
  • Merkmalauswahl
Maschinelles Lernen für Unternehmen

Maschinelles Lernen zuerst

pyramid-raw

Maschinelles Lernen für Unternehmen

Nicht genug Daten

Vorbereiten

Maschinelles Lernen für Unternehmen

Definition der Zielvariablen

  • Was sagen wir vorher?
  • Können wir es beobachten?
    • Vertragsbedingte Abwanderung – Kündigung der Premium-Kreditkarte
    • Nicht vertragsbedingte Abwanderung – Einkauf in einem anderen Supermarkt
  • Gründliche Analyse
  • Fachwissen im Geschäftsbereich
Maschinelles Lernen für Unternehmen

Merkmalauswahl

Inferenz (was beeinflusst die Zielvariable?)

  • Variablen auswählen, die sich beeinflussen lassen (Ladezeit der Website, Preis, Lieferung, Kundenservice usw.).
  • Unternehmen muss an der Auswahl der Merkmale beteiligt sein

$$

Vorhersage (können wir den Wert der Zielvariablen in der Zukunft schätzen?)

  • Mit den Daten anfangen, die schon vorliegen
  • Wenn Modell passabel läuft, testen
  • Neue Funktionen nach und nach einführen
Maschinelles Lernen für Unternehmen

Späte Tests, keine Wirkung

abtest

Maschinelles Lernen für Unternehmen

Lass uns üben!

Maschinelles Lernen für Unternehmen

Preparing Video For Download...