Inferentie (causale) modellen

Machine Learning voor Business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Wat is causaliteit?

• Bepaal de causale relatie: hoeveel beïnvloeden acties een uitkomst
• Beantwoordt de waarom-vragen
• Optimaliseert voor verklaarbaarheid i.p.v. performance
• Modellen zoeken patronen in geobserveerde data en trekken causale conclusies

Experimenten vs. observaties

• Experiments worden opgezet en causale conclusies zijn gegarandeerd, bv. bij A/B-tests
• Als experimenten niet kunnen (onethisch, te duur), gebruik observatiestudies om het effect van inputs op uitkomsten te schatten
• Experiments zijn altijd te verkiezen boven observaties, als het kan

Best practices

1. Doe experimenten waar mogelijk
2. Te duur om altijd te testen? Doe het periodiek (per kwartaal/jaar) en gebruik als benchmark
3. Geen experimenten mogelijk? Bouw een causaal model. Dit vergt een geavanceerde methode

Voorbeeld inferentiemodel

Inferentie - training

Inferentie - leren

Inferentie - regressiecoëfficiënten

Inferentie - interpretatie

Laten we oefenen!

Machine Learning voor Business