Le dilemme prédiction vs inférence

Machine Learning pour les affaires

Karolis Urbonas

Head of Machine Learning & Science, AWS

Le dilemme inférence vs prédiction

Modèles d'inférence ou causals :

  • Viser à comprendre les facteurs d'un résultat d'affaires
  • Modèles axés sur l'inférence faciles à interpréter
  • Moins précis que les modèles de prédiction

Prédiction :

  • La prédiction elle‑même est l'objectif principal
  • Peu interprétables, fonctionnent comme des « boîtes noires »
  • Beaucoup plus précis que les modèles d'inférence
Machine Learning pour les affaires

Commencez par la question d'affaires

  • « Quels sont les principaux facteurs de la fraude ? »
    • Inférence
  • « Dans quelle mesure l'état X influence le risque d'infarctus ? »
    • Inférence
  • « Quelles transactions sont probablement frauduleuses ? »
    • Prédiction
  • « La patiente ou le patient est‑il à risque d'infarctus ? »
    • Prédiction
Machine Learning pour les affaires

Structurer les données pour modéliser

inference-vs-prediction1

Machine Learning pour les affaires

Variable cible

inference-vs-prediction2

Machine Learning pour les affaires

Caractéristiques d'entrée

inference-vs-prediction

Machine Learning pour les affaires

Utiliser les caractéristiques d'entrée

inference-vs-prediction4

Machine Learning pour les affaires

Prédire la variable cible

inference-vs-prediction5

Machine Learning pour les affaires

Focalisation : modèle d'inférence

inference-vs-prediction6

Machine Learning pour les affaires

Focalisation : modèle de prédiction

inference-vs-prediction7

Machine Learning pour les affaires

Passons à la pratique !

Machine Learning pour les affaires

Preparing Video For Download...