Priorisation des modèles

Démystifier la decision science

Howard Friedman

Adjunct Professor at Columbia University

Commencer simple avec la régression linéaire

  • Efficace pour des issues continues quand les hypothèses tiennent
  • Plus de 200 ans d'utilité prouvée en analyse réelle

La simplicité a du pouvoir

  • La régression linéaire trouve la droite de meilleure adéquation
  • Avec des transformations, elle modélise aussi des relations non linéaires complexes

L'interprétabilité compte

  • Les coefficients aident à l'alignement
  • Calcul rapide – explication facile
     

Droite linéaire

Démystifier la decision science

Régression logistique

Beaucoup de cas réels exigent des prédictions binaires ou catégorielles :

  • Détection de fraude, prédiction du désabonnement, risques en santé

Pile ou face

La régression logistique est très polyvalente

  • Adaptée aux issues binaires, aux catégories multiples ou même ordonnées

Les probabilités appuient la décision

Facile à interpréter et à implanter

  • Les coefficients montrent l'influence de chaque variable
  • Excellente référence pour des classifieurs plus complexes
Démystifier la decision science

Transformations de variables

Commencez par un solide modèle de base

  • Créez d'abord une version fonctionnelle, puis évaluez l'apport de modèles avancés

Les transformations de variables peuvent améliorer la performance

  • Des transformations comme log ou racine carrée peuvent accroître la variance expliquée
  • Elles peuvent aussi améliorer l'ajustement du modèle aux données

Faites correspondre les hypothèses du modèle aux données

  • Certains modèles, comme la régression linéaire, performent mieux quand les résidus suivent une loi normale

  boîte à outils

Démystifier la decision science

Transformations courantes

 

  • Les transformations log et racine carrée compressent de grands écarts et réduisent l'effet des valeurs aberrantes
  • La standardisation et la normalisation mettent les variables sur des échelles comparables, utile quand les unités varient
  • Les termes polynomiaux (carrés, cubiques) représentent des relations non linéaires complexes avec peu d'effort

 

Utilisez des transformations pour améliorer tôt vos modèles avant de passer aux plus complexes

 

transformations

Démystifier la decision science

Passons à la pratique !

Démystifier la decision science

Preparing Video For Download...