Inferensmodeller (kausala)

Maskininlärning för verksamheter

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Vad är kausalitet?

• Identifierar kausala samband – hur mycket vissa åtgärder påverkar ett utfall av intresse
• Besvarar "varför?"-frågor
• Optimerar för modellens tolkbarhet snarare än prestanda
• Modeller försöker hitta mönster i observerade data och dra kausala slutsatser

Experiment vs. observationer

• Experiment utformas och kausala slutsatser garanteras, t.ex. i A/B-tester
• När experiment är omöjliga (oetiska, för dyra eller båda) används modeller – även kallade observationsstudier – för att beräkna effekten av vissa faktorer på önskade utfall
• Experiment är alltid att föredra framför observationsstudier när det är möjligt

Bästa praxis

1. Genomför experiment när det är möjligt
2. Om det är för kostsamt att köra experiment löpande, kör dem periodiskt (kvartalsvis, årsvis) och använd dem som riktmärke
3. Om det inte finns möjlighet att genomföra experiment alls, bygg en kausal modell – det kräver en avancerad metodik

Exempel på inferensmodell

Inferens – träning

Inferens – inlärning

Inferens – regressionskoefficienter

Inferens – tolkning

Nu kör vi en övning!

Maskininlärning för verksamheter