Dilemme prédiction vs inférence

Machine Learning pour le business

Karolis Urbonas

Head of Machine Learning & Science, AWS

Dilemme inférence vs prédiction

Modèles d’inférence ou causaux :

  • Objectif : comprendre les moteurs d’un résultat métier
  • Modèles centrés sur l’inférence interprétables
  • Moins précis que les modèles de prédiction

Prédiction :

  • La prédiction est l’objectif principal
  • Peu interprétables, fonctionnent comme des « boîtes noires »
  • Bien plus précis que les modèles d’inférence
Machine Learning pour le business

Commencer par la question métier

  • « Quels sont les principaux moteurs de la fraude ? »
    • Inférence
  • « Dans quelle mesure les conditions X impactent le risque d’infarctus ? »
    • Inférence
  • « Quelles transactions sont probablement frauduleuses ? »
    • Prédiction
  • « Le patient est-il à risque d’infarctus ? »
    • Prédiction
Machine Learning pour le business

Structurer les données pour modéliser

inférence vs prédiction 1

Machine Learning pour le business

Variable cible

inférence vs prédiction 2

Machine Learning pour le business

Variables d’entrée

inférence vs prédiction 3

Machine Learning pour le business

Utiliser les variables d’entrée

inférence vs prédiction 4

Machine Learning pour le business

Prédire la variable cible

inférence vs prédiction 5

Machine Learning pour le business

Focalisation du modèle d’inférence

inférence vs prédiction 6

Machine Learning pour le business

Focalisation du modèle de prédiction

inférence vs prédiction 7

Machine Learning pour le business

Passons à la pratique !

Machine Learning pour le business

Preparing Video For Download...