Modèles prédictifs (apprentissage supervisé)

Machine Learning pour le business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Supervisé vs non supervisé

Modèles supervisés

Prédire la classe/type d’un résultat (ex. résiliation, fraude, achat) - CLASSIFICATION

Prédire la quantité d’un résultat (ex. dollars dépensés, heures jouées) - RÉGRESSION

Modèles non supervisés

Clustering : regrouper des observations en groupes similaires (ex. segmentation clients/marché)

Types d’apprentissage supervisé

Classification : variable cible catégorielle (discrète) (classe du résultat) (classification)

Le client va‑t‑il résilier son abonnement ?

Cette transaction est‑elle frauduleuse ?

Quelle est la profession de cet utilisateur ?

Régression : variable cible continue (montant du résultat) (régression)

Nombre d’achats le mois prochain

Heures de jeu l’an prochain

Dollars dépensés en assurance

Collecte des données

Les équipes ML doivent collecter toutes les données disponibles pour prédire le résultat avec la meilleure précision, par exemple pour prédire un achat :

Informations client

Historique d’achats, résiliations, montant des commandes

Historique de navigation, logs, erreurs

Appareil et localisation

Fréquence d’usage du produit/service

Et autres…

Exemple de classification

données-classification

Classification - entraînement

entraînement-classification

Classification - apprentissage

apprentissage-classification

Classification - données non vues

classification-données-inconnues

Classification - prédiction

classification-prédiction

Exemple de régression

données-régression

Régression - entraînement

entraînement-régression

Régression - apprentissage

apprentissage-régression

Régression - données non vues

régression-données-inconnues

Régression - prédiction

régression-prédiction

Régression - prédiction réelle

régression-prédiction-réelle

Passons à la pratique !

Machine Learning pour le business