ข้อผิดพลาดใน Machine Learning

Machine Learning for Business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

ข้อผิดพลาด

  • Machine learning ก่อนเสมอ
  • ข้อมูลไม่เพียงพอ
  • การนิยามตัวแปรเป้าหมาย
  • ทดสอบช้า ไม่เกิดผล
  • การเลือก Feature
Machine Learning for Business

Machine Learning ก่อนเสมอ

พีระมิดดิบ

Machine Learning for Business

ข้อมูลไม่เพียงพอ

การเตรียมข้อมูล

Machine Learning for Business

การนิยามตัวแปรเป้าหมาย

  • กำลังพยากรณ์อะไร?
  • สังเกตได้หรือไม่?
    • Contractual churn — ลูกค้ายกเลิกบัตรเครดิต premium
    • Non-contractual churn — ลูกค้าเปลี่ยนไปใช้ร้านขายของชำอื่น
  • วิเคราะห์เชิงลึก
  • ความเชี่ยวชาญด้านธุรกิจ
Machine Learning for Business

การเลือก Feature

Inference (อะไรส่งผลต่อตัวแปรเป้าหมาย?)

  • เลือกตัวแปรที่ควบคุมได้ (ความหน่วงของเว็บไซต์, ราคา, การจัดส่ง, บริการลูกค้า ฯลฯ)
  • ฝ่ายธุรกิจต้องมีส่วนร่วมในการเลือก Feature

$$

Prediction (ประมาณค่าตัวแปรเป้าหมายในอนาคตได้หรือไม่?)

  • เริ่มจากข้อมูลที่มีอยู่แล้ว
  • หากประสิทธิภาพโมเดลเป็นที่น่าพอใจ ให้ทดสอบ
  • เพิ่ม Feature ใหม่ทีละขั้น
Machine Learning for Business

ทดสอบช้า ไม่เกิดผลกระทบ

การทดสอบ A/B

Machine Learning for Business

มาฝึกกันเถอะ!

Machine Learning for Business

Preparing Video For Download...