推論（因果）モデル

ビジネスのための機械学習

Karolis Urbonas

Head of Machine Learning & Science, Amazon

因果性とは？

• ある行動が関心のある成果にどれだけ影響するかという因果関係を特定する
• 「なぜ？」に答える
• 性能よりモデルの解釈性を重視
• 観測データのパターンから因果結論を導くモデル

実験 vs. 観察

• 実験を設計し、因果結論が保証される（例：A/Bテスト）
• 実験が不可能（非倫理的・高コスト等）の場合は、モデル（観察研究）で入力の効果を推定
• 可能な限り、観察研究より実験を常に優先

ベストプラクティス

1. 可能な限り実験を行う
2. 常時は高コストなら、定期的（四半期・年次）に実施しベンチマーク化
3. まったく実験できない場合は因果モデルを構築（高度な手法が必要）

推論モデルの例

推論 - 学習

推論 - 学習

推論 - 回帰係数

推論 - 解釈

練習しましょう！

ビジネスのための機械学習