Tillämpa betingad sannolikhet

Avancerad sannolikhetslära: Osäkerhet i data

Maarten Van den Broeck

Senior Content Developer at DataCamp

Förstå betingad sannolikhet

• Sannolikheten att händelse B inträffar givet att händelse A redan har inträffat
• Exempel:
  • Kunden visade produktsidan (händelse A)

Förstå betingad sannolikhet

• Sannolikheten att händelse B inträffar givet att händelse A redan har inträffat
• Exempel:
  • Kunden visade produktsidan (händelse A)
  • Kommer kunden att göra ett köp? (händelse B)

Verkliga tillämpningar av betingad sannolikhet

• Kundlojalitetsanalys:
  • Kommer en kund att förnya givet deras användning av premiumfunktioner?
• Bedrägeridentifiering:
  • Är en transaktion bedräglig givet ovanliga utgiftsmönster?
• Optimering av leveranskedjan:
  • Risk för försening givet dåligt väder?

Revidera sannolikheter med Bayes sats

• Revidera sannolikheter utifrån nya bevis
• Börja med: aprioriska sannolikheter + nya data + likelihood

Revidera sannolikheter med Bayes sats

• Revidera sannolikheter utifrån nya bevis
• Börja med: aprioriska sannolikheter + nya data + likelihood
• Avsluta med: aposteriori-sannolikheter

Bayesiansk modellering och beslutsfattande

• Kontinuerliga uppdateringar när nya data blir tillgängliga
• Hantera osäkerhet och ofullständiga data
• Anpassa och förbättra beslutsfattandet

Exempel: bedrägeridentifiering

• Bayesiansk modell för att spåra kreditkortsbedrägeri
  • Apriorisk sannolikhet baserad på branschdata: 2%
• Ny transaktion
  • Plötsligt förändrat utgiftsbeteende
    • Förekommer i 85% av bedrägliga transaktioner
    • Endast i 5% av legitima transaktioner
  • Uppdaterad aposteriori-sannolikhet stiger markant, till 25,8%
• Transaktionen flaggas för granskning

Nu kör vi en övning!

Avancerad sannolikhetslära: Osäkerhet i data