Analiza decizională

Analiza bayesiană a datelor în Python

Michal Oleszak

Machine Learning Engineer

Analiza decizională

  • Factorii de decizie urmăresc maximizarea profitului, reducerea costurilor, salvarea de vieți etc.

O seringă lângă trei bancnote și cifra 99%. O săgeată indică o singură persoană.

Analiza bayesiană a datelor în Python

Analiza decizională

  • Factorii de decizie urmăresc maximizarea profitului, reducerea costurilor, salvarea de vieți etc.

O seringă lângă o bancnotă și cifra 98%. O săgeată indică un grup de persoane.

  • Analiza decizională   →   traducerea parametrilor în metrici relevante pentru luarea deciziilor
Analiza bayesiană a datelor în Python

De la posterioare la decizii

  • Pentru decizii strategice, trebuie cunoscute probabilitățile diferitelor scenarii.
  • Metodele bayesiene permit traducerea ușoară a parametrilor în metrici relevante.

 

O pictogramă reprezentând o distribuție a ratei de clic.

Analiza bayesiană a datelor în Python

De la posterioare la decizii

  • Pentru decizii strategice, trebuie cunoscute probabilitățile diferitelor scenarii.
  • Metodele bayesiene permit traducerea ușoară a parametrilor în metrici relevante.

 

O pictogramă reprezentând o distribuție a ratei de clic înmulțită cu „impresii".

Analiza bayesiană a datelor în Python

De la posterioare la decizii

  • Pentru decizii strategice, trebuie cunoscute probabilitățile diferitelor scenarii.
  • Metodele bayesiene permit traducerea ușoară a parametrilor în metrici relevante.

 

O pictogramă reprezentând o distribuție a ratei de clic înmulțită cu „impresii", înmulțită cu „venit per clic".

Analiza bayesiană a datelor în Python

De la posterioare la decizii

  • Pentru decizii strategice, trebuie cunoscute probabilitățile diferitelor scenarii.
  • Metodele bayesiene permit traducerea ușoară a parametrilor în metrici relevante.

 

O pictogramă reprezentând o distribuție a ratei de clic înmulțită cu „impresii", înmulțită cu „venit per clic", egală cu o pictogramă reprezentând o distribuție a venitului.

Analiza bayesiană a datelor în Python

Venitul posterior

# 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

Două grafice de densitate cu suprapunere redusă.

Două grafice de densitate cu suprapunere mare.

Analiza bayesiană a datelor în Python

Grafic forest

import pymc3 as pm


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


# Draw the forest plot
pm.forestplot(revenue)

Un grafic cu două linii, fiecare reprezentând o distribuție. Lungimea fiecărei linii reprezintă intervalul de credibilitate de 94%.

Analiza bayesiană a datelor în Python

Grafic forest

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)

Un grafic cu două linii, fiecare reprezentând o distribuție. Lungimea fiecărei linii reprezintă intervalul de credibilitate de 99%.

Analiza bayesiană a datelor în Python

Să analizăm decizii!

Analiza bayesiană a datelor în Python

Preparing Video For Download...