Predictiemodellen (supervised learning)

Machine Learning voor Business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Supervised vs. Unsupervised

Supervised-modellen

De klasse/het type van een uitkomst voorspellen (bv. opzegging, fraude, aankoop) - CLASSIFICATIE

De hoeveelheid van een uitkomst voorspellen (bv. uitgegeven euro’s, gespeelde uren) - REGRESSIE

Unsupervised-modellen

Clustering - observaties groeperen in vergelijkbare clusters (bv. klant- of marktsegmentatie)

Soorten supervised learning

Classificatie - Doelvariabele is categorisch (discreet) (klasse van uitkomst) (classificatie)

Zal de klant een abonnement opzeggen?

Is deze transactie fraude?

Wat is het beroep van deze gebruiker?

Regressie - Doelvariabele is continu (hoeveelheid van uitkomst) (regressie)

Aantal aankopen volgende maand

Aantal game-uren volgend jaar

Euro’s besteed aan verzekeringen

Dataverzameling

ML-teams verzamelen alle beschikbare data om zo nauwkeurig mogelijk de gewenste uitkomst te voorspellen, bv. bij aankoopvoorspellingen:

Klantinformatie

Aankoopgeschiedenis, opzeggingen, bestelbedrag

Browsinggeschiedenis, logs, fouten

Apparaatgegevens en locatie

Gebruik van product/dienst (frequentie)

En meer...

Classificatievoorbeeld

classificatie - data

Classificatie - training

classificatie-training

Classificatie - leren

classificatie-leren

Classificatie - onbekende data

classificatie-onbekendedata

Classificatie - voorspelling

classificatie-voorspelling

Regressievoorbeeld

regressie-data

Regressie - training

regressie-training

Regressie - leren

regressie-leren

Regressie - onbekende data

regressie-testdata

Regressie - voorspelling

regressie-voorspelling

Regressie - feitelijke voorspelling

regressie-werkelijkevoorspelling

Laten we oefenen!

Machine Learning voor Business