Koşullu olasılığı uygulama

İleri Olasılık: Veride Belirsizlik

Maarten Van den Broeck

Senior Content Developer at DataCamp

Koşullu olasılığı anlama

• A olayı gerçekleşmişken B olayının olasılığı
• Örnek:
  • Müşteri ürün sayfasını görüntüledi (A olayı)

Koşullu olasılığı anlama

• A olayı gerçekleşmişken B olayının olasılığı
• Örnek:
  • Müşteri ürün sayfasını görüntüledi (A olayı)
  • Müşteri satın alacak mı? (B olayı)

Koşullu olasılığın gerçek dünya uygulamaları

• Müşteri elde tutma analizi:
  • Premium özellik kullanımına göre müşteri yeniler mi?
• Sahtekârlık tespiti:
  • Sıradışı harcama kalıplarına göre işlem sahtekâr mı?
• Tedarik zinciri optimizasyonu:
  • Kötü havada gecikme olasılığı?

Bayes teoremi ile olasılıkları gözden geçirmek

• Yeni kanıta göre olasılıkları güncelleyin
• Başlangıç: öncül olasılıklar + yeni veri + olabilirlik

Bayes teoremi ile olasılıkları gözden geçirmek

• Yeni kanıta göre olasılıkları güncelleyin
• Başlangıç: öncül olasılıklar + yeni veri + olabilirlik
• Sonuç: artıkıl (posterior) olasılıklar

Bayesçi modelleme ve karar verme

• Yeni veri geldikçe sürekli güncelleme
• Belirsizlik ve eksik veriyi yönetin
• Karar vermeyi uyarlayın ve iyileştirin

Örnek: sahtekârlık tespiti

• Kredi kartı sahtekârlığını izlemek için Bayesçi model
  • Sektör verisine göre öncül olasılık: 2%
• Yeni işlem
  • Harcama davranışında ani değişim
    • Sahtekâr işlemlerin 85%'inde görülür
    • Meşru işlemlerin yalnızca 5%'inde görülür
  • Güncellenen artıkıl olasılık belirgin biçimde 25.8%'e çıkar
• İşlem inceleme için işaretlenir

Haydi pratik yapalım!

İleri Olasılık: Veride Belirsizlik