决策分析

Python 中的贝叶斯数据分析

Michal Oleszak

Machine Learning Engineer

决策分析

决策者关注最大化利润、降低成本、拯救生命等。

一支注射器旁有三张钞票和数字 99%。一支箭头指向单个人形图标。

决策分析

决策者关注最大化利润、降低成本、拯救生命等。

一支注射器旁有一张钞票和数字 98%。一支箭头指向一群人。

决策分析 → 将参数转化为相关指标，以支持决策

从后验到决策

要做战略决策，需要了解不同情景的概率。
贝叶斯方法便于将参数转化为相关指标。

一个图标表示点击率分布。

从后验到决策

要做战略决策，需要了解不同情景的概率。
贝叶斯方法便于将参数转化为相关指标。

一个图标表示点击率分布乘以"展示量"。

从后验到决策

要做战略决策，需要了解不同情景的概率。
贝叶斯方法便于将参数转化为相关指标。

一个图标表示点击率分布乘以"展示量"，再乘以"每次点击收入"。

从后验到决策

要做战略决策，需要了解不同情景的概率。
贝叶斯方法便于将参数转化为相关指标。

一个图标表示点击率分布，乘以"展示量"，再乘以"每次点击收入"，等于一个表示收入分布的图标。

后验收入

# Different revenue per click
num_impressions = 1000
rev_per_click_A = 3.6
rev_per_click_B = 3


# Compute number of clicks
num_clicks_A = A_posterior * num_impressions
num_clicks_B = B_posterior * num_impressions


# Compute posterior revenue
rev_A = num_clicks_A * rev_per_click_A
rev_B = num_clicks_B * rev_per_click_B

两条轻微重叠的密度曲线。

两条密度曲线大幅重叠。

森林图

import pymc3 as pm


# Collect posterior draws in a dictionary
revenue = {"A": rev_A, "B": rev_B}


# Draw the forest plot
pm.forestplot(revenue)

一个图，显示两条线，各代表一个分布。每条线的长度表示 94% 置信区间。

森林图

import pymc3 as pm

# Collect posterior draws in a dictionary
revenue = {"A": rev_A, "B": rev_B}

# Draw the forest plot
pm.forestplot(revenue, hdi_prob=0.99)

一个图，显示两条线，各代表一个分布。每条线的长度表示 99% 置信区间。

让我们来分析决策！

Python 中的贝叶斯数据分析