Błędy w uczeniu maszynowym

Uczenie maszynowe dla biznesu

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Błędy

  • Uczenie maszynowe na pierwszym miejscu
  • Niewystarczające dane
  • Definicja zmiennej docelowej
  • Zbyt późne testowanie, brak efektów
  • Dobór cech
Uczenie maszynowe dla biznesu

Uczenie maszynowe na pierwszym miejscu

piramida

Uczenie maszynowe dla biznesu

Niewystarczające dane

Przygotowanie

Uczenie maszynowe dla biznesu

Definicja zmiennej docelowej

  • Co przewidujemy?
  • Czy możemy to zaobserwować?
    • Odejście kontraktowe – klient zrezygnował z karty kredytowej premium
    • Odejście niekontraktowe – klient zaczął robić zakupy w innym sklepie
  • Dogłębna analiza
  • Wiedza dziedzinowa z obszaru biznesu
Uczenie maszynowe dla biznesu

Dobór cech

Wnioskowanie (co wpływa na zmienną docelową?)

  • Należy wybierać zmienne, które można kontrolować (czas ładowania strony, cena, dostawa, obsługa klienta itp.)
  • W doborze cech powinien uczestniczyć biznes

$$

Predykcja (czy możemy oszacować wartość zmiennej docelowej w przyszłości?)

  • Zaczynamy od łatwo dostępnych danych
  • Jeśli wydajność modelu jest zadowalająca, należy go przetestować
  • Nowe cechy wprowadzamy iteracyjnie
Uczenie maszynowe dla biznesu

Zbyt późne testowanie, brak efektów

test A/B

Uczenie maszynowe dla biznesu

Czas na ćwiczenia!

Uczenie maszynowe dla biznesu

Preparing Video For Download...