Застосування умовної ймовірності

Просунута ймовірність: невизначеність у даних

Maarten Van den Broeck

Senior Content Developer at DataCamp

Розуміння умовної ймовірності

• Ймовірність події B за умови, що подія A вже сталася
• Приклад:
  • Клієнт переглянув сторінку товару (подія A)

Розуміння умовної ймовірності

• Ймовірність події B за умови, що подія A вже сталася
• Приклад:
  • Клієнт переглянув сторінку товару (подія A)
  • Чи здійснить клієнт покупку? (подія B)

Практичні застосування умовної ймовірності

• Аналіз утримання клієнтів:
  • Чи продовжить клієнт підписку з огляду на використання преміумфункцій?
• Виявлення шахрайства:
  • Чи є транзакція шахрайською з огляду на нетипові витрати?
• Оптимізація ланцюга постачання:
  • Ймовірність затримки за поганої погоди?

Перегляд ймовірностей за теоремою Байєса

• Уточнюйте ймовірності з урахуванням нових даних
• Починаємо з: апріорні ймовірності + нові дані + правдоподібність

Перегляд ймовірностей за теоремою Байєса

• Уточнюйте ймовірності з урахуванням нових даних
• Починаємо з: апріорні ймовірності + нові дані + правдоподібність
• Завершуємо: апостеріорні ймовірності

Баєсівське моделювання та ухвалення рішень

• Безперервне оновлення у міру надходження даних
• Керуйте невизначеністю та неповнотою даних
• Адаптуйтеся й покращуйте ухвалення рішень

Приклад: виявлення шахрайства

• Баєсівська модель для відстеження шахрайства з картками
  • Апріорна ймовірність за галузевими даними: 2%
• Нова транзакція
  • Раптова зміна витратної поведінки
    • Є у 85% шахрайських транзакцій
    • Лише у 5% легітимних транзакцій
  • Оновлена апостеріорна ймовірність суттєво зростає — до 25.8%
• Транзакцію позначено для перевірки

Давайте потренуємось!

Просунута ймовірність: невизначеність у даних