预测模型（监督学习）

面向业务的机器学习

Karolis Urbonas

Head of Machine Learning & Science, Amazon

监督 vs. 无监督

监督模型

预测结果的类别/类型（如退订、欺诈、购买）——分类（CLASSIFICATION）

预测结果的数量（如花费金额、游戏时长）——回归（REGRESSION）

无监督模型

聚类——将观测分成相似的组/簇（如客户或市场细分）

监督学习类型

分类——目标变量为类别型（离散）（结果的类别）（classification）

该客户会取消订阅吗？

该交易是否欺诈？

该用户的职业是什么？

回归——目标变量为连续型（结果的数量）（regression）

下月购买次数

明年游戏时长

保险花费金额

数据收集

机器学习团队应收集所有可用数据，以尽可能准确地预测目标结果，例如购买预测：

客户信息

购买历史、退订、订单金额

浏览历史、日志、错误

设备信息与位置

产品/服务使用频率

以及其他……

分类示例

分类——训练

分类——学习

分类——未见数据

分类——预测

回归示例

回归——训练

回归——学习

回归——未见数据

回归——预测

回归——实际预测

¡Vamos a practicar!

面向业务的机器学习