Dilema predikce vs. inference

Machine Learning pro byznys

Karolis Urbonas

Head of Machine Learning & Science, AWS

Dilema inference vs. predikce

Inferenční (kauzální) modely:

  • Cílem je porozumět faktorům ovlivňujícím výsledek
  • Inferenční modely jsou interpretovatelné
  • Méně přesné než predikční modely

Predikce:

  • Samotná predikce je hlavním cílem
  • Nejsou snadno interpretovatelné – fungují jako "černé skříňky"
  • Mnohem přesnější než inferenční modely
Machine Learning pro byznys

Začněte obchodní otázkou

  • "Jaké jsou hlavní faktory podvodu?"
    • Inference
  • "Jak moc podmínka X ovlivňuje riziko infarktu?"
    • Inference
  • "Které transakce jsou pravděpodobně podvodné?"
    • Predikce
  • "Je pacient ohrožen infarktem?"
    • Predikce
Machine Learning pro byznys

Struktura modelovacích dat

inference-vs-prediction1

Machine Learning pro byznys

Cílová proměnná

inference-vs-prediction2

Machine Learning pro byznys

Vstupní příznaky

inference-vs-prediction

Machine Learning pro byznys

Použití vstupních příznaků

inference-vs-prediction4

Machine Learning pro byznys

Predikce cílové proměnné

inference-vs-prediction5

Machine Learning pro byznys

Zaměření inferenčního modelu

inference-vs-prediction6

Machine Learning pro byznys

Zaměření predikčního modelu

inference-vs-prediction7

Machine Learning pro byznys

Pojďme si to procvičit!

Machine Learning pro byznys

Preparing Video For Download...