Chyby ve strojovém učení

Machine Learning pro byznys

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Chyby

  • Strojové učení na prvním místě
  • Nedostatek dat
  • Definice cílové proměnné
  • Pozdní testování, žádný dopad
  • Výběr příznaků
Machine Learning pro byznys

Strojové učení na prvním místě

pyramida

Machine Learning pro byznys

Nedostatek dat

Příprava

Machine Learning pro byznys

Definice cílové proměnné

  • Co předpovídáme?
  • Lze to pozorovat?
    • Smluvní odchod – zákazník zrušil prémiovou kreditní kartu
    • Nesmluvní odchod – zákazník začal nakupovat u jiného obchodníka
  • Hloubková analýza
  • Odborné znalosti z oboru
Machine Learning pro byznys

Výběr příznaků

Inference (co ovlivňuje cílovou proměnnou?)

  • Vyberte proměnné, které lze ovlivnit (latence webu, cena, doručení, zákaznická podpora atd.)
  • Do výběru příznaků je třeba zapojit obchodní tým

$$

Predikce (lze odhadnout hodnotu cílové proměnné v budoucnu?)

  • Začněte s dostupnými daty
  • Pokud je výkon modelu přijatelný, otestujte ho
  • Přidávejte nové příznaky postupně
Machine Learning pro byznys

Pozdní testování, žádný dopad

A/B test

Machine Learning pro byznys

Pojďme procvičovat!

Machine Learning pro byznys

Preparing Video For Download...