Dilemmat: prediktion kontra inferens

Maskininlärning för verksamheter

Karolis Urbonas

Head of Machine Learning & Science, AWS

Inferens kontra prediktion

Inferens- eller kausala modeller:

  • Målet är att förstå drivkrafterna bakom ett affärsutfall
  • Inferensmodeller är tolkningsbara
  • Mindre noggranna än prediktionsmodeller

Prediktion:

  • Prediktionen i sig är huvudmålet
  • Svåra att tolka – fungerar som "svarta lådor"
  • Mycket noggrannare än inferensmodeller
Maskininlärning för verksamheter

Börja med affärsfrågan

  • "Vad är de viktigaste drivkrafterna bakom bedrägerier?"
    • Inferens
  • "Hur mycket påverkar tillstånd X risken för hjärtinfarkt?"
    • Inferens
  • "Vilka transaktioner är troligen bedrägliga?"
    • Prediktion
  • "Löper patienten risk att få en hjärtinfarkt?"
    • Prediktion
Maskininlärning för verksamheter

Datastruktur för modellering

inference-vs-prediction1

Maskininlärning för verksamheter

Målvariabel

inference-vs-prediction2

Maskininlärning för verksamheter

Indatasärdrag

inference-vs-prediction

Maskininlärning för verksamheter

Använda indatasärdrag

inference-vs-prediction4

Maskininlärning för verksamheter

Prediktera målvariabeln

inference-vs-prediction5

Maskininlärning för verksamheter

Inferensmodellens fokus

inference-vs-prediction6

Maskininlärning för verksamheter

Prediktionsmodellens fokus

inference-vs-prediction7

Maskininlärning för verksamheter

Nu kör vi en övning!

Maskininlärning för verksamheter

Preparing Video For Download...