Інференсні (каузальні) моделі

Machine Learning для бізнесу

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Що таке каузальність?

• Визначають причинний зв'язок: наскільки певні дії впливають на потрібний результат
• Відповідають на запитання «чому?»
• Оптимізують інтерпретованість моделі проти продуктивності
• Моделі шукають патерни в спостережуваних даних і роблять причинні висновки

Експерименти vs. спостереження

• Експерименти спроєктовані так, щоб гарантувати причинні висновки, напр., в A/B‑тестах
• Коли експерименти неможливі (неетично, надто дорого чи і те, і інше) — використовують моделі (спостережні дослідження), щоб оцінити вплив певних вхідних даних на бажані результати
• Експерименти завжди кращі за спостережні дослідження, коли це можливо

Найкращі практики

1. Проводьте експерименти, де лише можете
2. Якщо постійно запускати експерименти дорого, робіть це періодично (щокварталу, щороку) й використовуйте як еталон
3. Якщо експерименти неможливі, будуйте каузальну модель. Це потребує розвиненої методології

Приклад інференсної моделі

Інференс — тренування

Інференс — навчання

Інференс — коефіцієнти регресії

Інференс — інтерпретація

Давайте потренуємось!

Machine Learning для бізнесу