Дилема: прогнозування vs. інференція

Machine Learning для бізнесу

Karolis Urbonas

Head of Machine Learning & Science, AWS

Дилема: інференція vs. прогнозування

Інференційні або каузальні моделі:

  • Мета — зрозуміти чинники бізнес-результату
  • Моделі, зосереджені на інференції, інтерпретовані
  • Менш точні, ніж моделі прогнозування

Прогнозування:

  • Сам прогноз — головна мета
  • Погано інтерпретуються, тобто працюють як «чорні скриньки»
  • Значно точніші за моделі інференції
Machine Learning для бізнесу

Почніть з бізнес-запитання

  • «Які головні чинники шахрайства?»
    • Інференція
  • «Наскільки умови X впливають на ризик інфаркту?»
    • Інференція
  • «Які транзакції ймовірно шахрайські?»
    • Прогнозування
  • «Чи є ризик, що пацієнт матиме інфаркт?»
    • Прогнозування
Machine Learning для бізнесу

Моделювання структури даних

інференція vs. прогнозування 1

Machine Learning для бізнесу

Цільова змінна

інференція vs. прогнозування 2

Machine Learning для бізнесу

Вхідні ознаки

інференція vs. прогнозування 3

Machine Learning для бізнесу

Використання вхідних ознак

інференція vs. прогнозування 4

Machine Learning для бізнесу

Прогнозування цільової змінної

інференція vs. прогнозування 5

Machine Learning для бізнесу

Фокус інференційної моделі

інференція vs. прогнозування 6

Machine Learning для бізнесу

Фокус моделі прогнозування

інференція vs. прогнозування 7

Machine Learning для бізнесу

Давайте потренуємось!

Machine Learning для бізнесу

Preparing Video For Download...