Dylemat: predykcja a wnioskowanie

Uczenie maszynowe dla biznesu

Karolis Urbonas

Head of Machine Learning & Science, AWS

Dylemat: wnioskowanie a predykcja

Modele wnioskowania / przyczynowe:

Celem jest zrozumienie czynników wpływających na wynik biznesowy
Modele wnioskowania są interpretowalny
Mniej dokładne niż modele predykcji

Predykcja:

Sama prognoza jest głównym celem
Trudno interpretowalny – działają jak „czarne skrzynki"
Znacznie dokładniejsze niż modele wnioskowania

Zacznij od pytania biznesowego

„Jakie są główne czynniki wywołujące oszustwa?"
- Wnioskowanie
„Jak bardzo warunki X wpływają na ryzyko zawału?"
- Wnioskowanie
„Które transakcje są prawdopodobnie oszukańcze?"
- Predykcja
„Czy pacjent jest zagrożony zawałem?"
- Predykcja

Struktura danych modelowania

inference-vs-prediction1

Zmienna docelowa

inference-vs-prediction2

Cechy wejściowe

inference-vs-prediction

Wykorzystanie cech wejściowych

inference-vs-prediction4

Prognozowanie zmiennej docelowej

inference-vs-prediction5

Fokus modelu wnioskowania

inference-vs-prediction6

Fokus modelu predykcji

inference-vs-prediction7

Ćwiczmy!

Uczenie maszynowe dla biznesu

Preparing Video For Download...