Machinelearning-fouten

Machine Learning voor Business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Fouten

  • Eerst machine learning
  • Te weinig data
  • Doelvariabele definiëren
  • Te laat testen, geen impact
  • Featureselectie
Machine Learning voor Business

Eerst machine learning

piramide-ruw

Machine Learning voor Business

Te weinig data

Voorbereiding

Machine Learning voor Business

Doelvariabele definiëren

  • Wat voorspellen we?
  • Kunnen we het waarnemen?
    • Contractuele churn: klant zegde de premium creditcard op
    • Niet-contractuele churn: klant ging bij een andere supermarkt kopen
  • Diepte-analyse
  • Vakinhoudelijke expertise
Machine Learning voor Business

Featureselectie

Inferentie (wat beïnvloedt de doelvariabele?)

  • Kies variabelen die je kunt sturen (websitelatentie, prijs, levering, klantenservice, enz.)
  • Betrek de business bij de featureselectie

$$

Predictie (kunnen we de doelvariabele voor de toekomst schatten?)

  • Begin met direct beschikbare data
  • Als de modelprestatie oké is, test het
  • Voeg iteratief nieuwe features toe
Machine Learning voor Business

Te laat testen, geen impact

abtest

Machine Learning voor Business

Laten we oefenen!

Machine Learning voor Business

Preparing Video For Download...