Machine Learning pour les affaires
Karolis Urbonas
Head of Machine Learning & Science, Amazon
Modèles supervisés
Prédire la classe/type d'un résultat (p. ex. résiliation, fraude, achat) - CLASSIFICATION
Prédire la quantité d'un résultat (p. ex. dollars dépensés, heures jouées) - RÉGRESSION
Modèles non supervisés
Regroupement - regrouper des observations en ensembles ou grappes semblables (p. ex. segmentation client ou de marché)
Classification - La variable cible est catégorielle (discrète) (classe du résultat) (classification)
Le client annulera-t-il un abonnement ?
Cette transaction est-elle frauduleuse ?
Quelle est la profession de cet utilisateur ?
Régression - La variable cible est continue (montant du résultat) (régression)
Nombre d'achats de produits le mois prochain
Nombre d'heures de jeu l'an prochain
Dollars dépensés en assurance
Les équipes d'apprentissage automatique doivent recueillir toutes les données disponibles pour prédire le résultat visé avec la plus grande exactitude, p. ex. pour les prédictions d'achats :
Renseignements sur le client
Historique d'achats, annulations, montant des commandes
Historique de navigation, journaux, erreurs
Détails de l'appareil et emplacement
Fréquence d'utilisation du produit/service
Et plus…
Machine Learning pour les affaires