Erreurs en Machine Learning

Machine Learning pour les affaires

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Erreurs

  • Machine Learning d'abord
  • Données insuffisantes
  • Définition de la variable cible
  • Tests tardifs, aucun impact
  • Sélection des caractéristiques
Machine Learning pour les affaires

Machine Learning d'abord

pyramid-raw

Machine Learning pour les affaires

Données insuffisantes

Preparation

Machine Learning pour les affaires

Définition de la variable cible

  • Que prédit-on ?
  • Peut-on l'observer ?
    • Attrition contractuelle : la personne cliente a résilié la carte de crédit haut de gamme
    • Attrition non contractuelle : la personne cliente a commencé à fréquenter une autre épicerie
  • Analyse approfondie
  • Expertise du domaine d'affaires
Machine Learning pour les affaires

Sélection des caractéristiques

Inférence (ce qui influence la variable cible ?)

  • Choisir des variables contrôlables (latence du site, prix, livraison, service à la clientèle, etc.)
  • L'entreprise doit participer à la sélection des caractéristiques

$$

Prédiction (peut-on estimer la valeur future de la variable cible ?)

  • Commencer avec les données déjà disponibles
  • Si le rendement du modèle est correct, testez-le
  • Ajouter de nouvelles caractéristiques graduellement
Machine Learning pour les affaires

Tests tardifs, aucun impact

abtest

Machine Learning pour les affaires

Passons à la pratique !

Machine Learning pour les affaires

Preparing Video For Download...