机器学习中的错误

面向业务的机器学习

Karolis Urbonas

Head of Machine Learning & Science, Amazon

常见错误

  • 先做机器学习
  • 数据不足
  • 目标变量定义
  • 测试太晚，无影响
  • 特征选择
面向业务的机器学习

先做机器学习

金字塔-原始

面向业务的机器学习

数据不足

准备

面向业务的机器学习

目标变量定义

  • 我们在预测什么？
  • 我们能观测到它吗？
    • 合同型流失：客户取消高端信用卡
    • 非合同型流失：客户改去其他杂货店
  • 深入分析
  • 业务领域专家参与
面向业务的机器学习

特征选择

推断（目标变量受什么影响？）

  • 选可控变量（网站延迟、价格、配送、客服等）
  • 业务需参与特征选择

$$

预测（我们能否预测其未来取值？）

  • 先用现成数据
  • 若效果可接受，再测试
  • 迭代引入新特征
面向业务的机器学习

测试太晚，无影响

A/B 测试

面向业务的机器学习

¡Vamos a practicar!

面向业务的机器学习

Preparing Video For Download...