Инференциальные (причинно-следственные) модели

Машинное обучение для бизнеса

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Что такое причинность?

• Выявляют причинно-следственные связи: насколько те или иные действия влияют на целевой результат
• Отвечают на вопрос «почему?»
• Приоритет — интерпретируемость модели, а не её производительность
• Модели ищут закономерности в наблюдаемых данных и делают причинно-следственные выводы

Эксперименты vs. наблюдения

• Эксперименты проектируются так, чтобы причинно-следственные выводы были гарантированы — например, в A/B-тестах
• Когда эксперименты невозможны (неэтичны, слишком дороги или и то и другое), используются модели (обсервационные исследования) для оценки влияния факторов на результат
• Эксперименты всегда предпочтительнее обсервационных исследований, если есть такая возможность

Лучшие практики

1. Проводите эксперименты везде, где это возможно
2. Если постоянные эксперименты слишком затратны — проводите их периодически (раз в квартал, раз в год) и используйте как эталон
3. Если эксперименты невозможны в принципе — стройте причинно-следственную модель. Это потребует продвинутой методологии

Пример инференциальной модели

Инференция — обучение

Инференция — обучение модели

Инференция — коэффициенты регрессии

Инференция — интерпретация

Давайте потренируемся!

Машинное обучение для бизнеса