Erreurs en machine learning

Machine Learning pour le business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Erreurs

  • Machine learning d’abord
  • Données insuffisantes
  • Définition de la variable cible
  • Tests tardifs, aucun impact
  • Sélection des variables
Machine Learning pour le business

Machine learning d’abord

pyramide-brut

Machine Learning pour le business

Données insuffisantes

Préparation

Machine Learning pour le business

Définition de la variable cible

  • Que prédit-on ?
  • Peut-on l’observer ?
    • Churn contractuel : le client a résilié la carte premium
    • Churn non contractuel : le client a commencé à utiliser un autre supermarché
  • Analyse approfondie
  • Expertise métier
Machine Learning pour le business

Sélection des variables

Inférence (ce qui affecte la variable cible)

  • Choisissez des variables contrôlables (latence du site, prix, livraison, service client, etc.)
  • L’équipe métier doit participer à la sélection des variables

$$

Prédiction (peut-on estimer la valeur future de la cible ?)

  • Commencez avec les données disponibles
  • Si les performances sont correctes, testez le modèle
  • Ajoutez de nouvelles variables par itérations
Machine Learning pour le business

Tests tardifs, aucun impact

test a/b

Machine Learning pour le business

Passons à la pratique !

Machine Learning pour le business

Preparing Video For Download...