추론(인과) 모델

비즈니스를 위한 Machine Learning

Karolis Urbonas

Head of Machine Learning & Science, Amazon

인과성이란?

• 특정 행동이 관심 결과에 얼마나 영향을 주는지의 인과관계 파악
• "왜?"에 답함
• 성능보다 해석 가능성을 중시하여 최적화
• 관측 데이터의 패턴을 찾아 인과 결론을 도출하는 모델

실험 vs. 관측

• 실험을 설계하면 인과 결론이 보장됨(예: A/B 테스트)
• 실험이 불가능(비윤리적, 비용 문제 등)하면 관측연구를 통해 입력이 결과에 미치는 효과를 추정
• 가능하면 항상 관측연구보다 실험을 우선

모범 사례

1. 가능한 곳에서는 항상 실험하세요
2. 상시 실험이 부담되면 주기적으로(분기, 연간) 실시하고 기준으로 활용하세요
3. 실험이 전혀 불가하면 인과 모델을 구축하세요. 고급 방법론이 필요합니다

추론 모델 예시

추론 - 훈련

추론 - 학습

추론 - 회귀계수

추론 - 해석

연습해 봅시다!

비즈니스를 위한 Machine Learning